Pandas 是基于 NumPy 构建的库,在数据处理方面可以把它理解为 NumPy 加强版,同时 Pandas 也是一项开源项目。它基于 Cython,因此读取与处理数据非常快,并且还能轻松处理浮点数据中的缺失数据(表示为 NaN)以及非浮点数据。在本文中,基本数据集操作主要介绍了 CSV 与 Excel 的读写方法,基本数据处理主要介绍了缺失值及特征抽取,***的 DataFrame 操作则主要介绍了函数和排序等方法。
成都创新互联主营南康网站建设的网络公司,主营网站建设方案,App定制开发,南康h5微信小程序开发搭建,南康网站营销推广欢迎南康等地区企业咨询
基本数据集操作
(1) 读取 CSV 格式的数据集
- pd.DataFrame.from_csv(“csv_file”)
或者:
- pd.read_csv(“csv_file”)
(2) 读取 Excel 数据集
- pd.read_excel("excel_file")
(3) 将 DataFrame 直接写入 CSV 文件
如下采用逗号作为分隔符,且不带索引:
- df.to_csv("data.csv", sep=",", index=False)
(4) 基本的数据集特征信息
- df.info()
(5) 基本的数据集统计信息
- print(df.describe())
(6) Print data frame in a table
将 DataFrame 输出到一张表:
- print(tabulate(print_table, headersheaders=headers))
当「print_table」是一个列表,其中列表元素还是新的列表,「headers」为表头字符串组成的列表。
(7) 列出所有列的名字
- df.columns
基本数据处理
(8) 删除缺失数据
- df.dropna(axis=0, how='any')
返回一个 DataFrame,其中删除了包含任何 NaN 值的给定轴,选择 how=「all」会删除所有元素都是 NaN 的给定轴。
(9) 替换缺失数据
- df.replace(to_replace=None, value=None)
使用 value 值代替 DataFrame 中的 to_replace 值,其中 value 和 to_replace 都需要我们赋予不同的值。
(10) 检查空值 NaN
- pd.isnull(object)
检查缺失值,即数值数组中的 NaN 和目标数组中的 None/NaN。
(11) 删除特征
- df.drop('feature_variable_name', axis=1)
axis 选择 0 表示行,选择表示列。
(12) 将目标类型转换为浮点型
- pd.to_numeric(df["feature_name"], errors='coerce')
将目标类型转化为数值从而进一步执行计算,在这个案例中为字符串。
(13) 将 DataFrame 转换为 NumPy 数组
- df.as_matrix()
(14) 取 DataFrame 的前面「n」行
- df.head(n)
(15) 通过特征名取数据
- df.loc[feature_name]
DataFrame 操作
(16) 对 DataFrame 使用函数
该函数将令 DataFrame 中「height」行的所有值乘上 2:
- df["height"].apply(*lambda* height: 2 * height)
或:
- def multiply(x):
- return x * 2
- df["height"].apply(multiply)
(17) 重命名行
下面代码会重命名 DataFrame 的第三行为「size」:
- df.rename(columns = {df.columns[2]:'size'}, inplace=True)
(18) 取某一行的唯一实体
下面代码将取「name」行的唯一实体:
- df["name"].unique()
(19) 访问子 DataFrame
以下代码将从 DataFrame 中抽取选定了的行「name」和「size」:
- new_df = df[["name", "size"]]
(20) 总结数据信息
- # Sum of values in a data frame
- df.sum()
- # Lowest value of a data frame
- df.min()
- # Highest value
- df.max()
- # Index of the lowest value
- df.idxmin()
- # Index of the highest value
- df.idxmax()
- # Statistical summary of the data frame, with quartiles, median, etc.
- df.describe()
- # Average values
- df.mean()
- # Median values
- df.median()
- # Correlation between columns
- df.corr()
- # To get these values for only one column, just select it like this#
- df["size"].median()
(21) 给数据排序
- df.sort_values(ascending = False)
(22) 布尔型索引
以下代码将过滤名为「size」的行,并仅显示值等于 5 的行:
- df[df["size"] == 5]
(23) 选定特定的值
以下代码将选定「size」列、***行的值:
- df.loc([0], ['size'])
原文链接:
https://towardsdatascience.com/23-great-pandas-codes-for-data-scientists-cca5ed9d8a38
【本文是专栏机构“机器之心”的原创文章,微信公众号“机器之心( id: almosthuman2014)”】
标题名称:23种Pandas核心操作,你需要过一遍吗?
本文来源:http://www.shufengxianlan.com/qtweb/news11/172361.html
网站建设、网络推广公司-创新互联,是专注品牌与效果的网站制作,网络营销seo公司;服务项目有等
声明:本网站发布的内容(图片、视频和文字)以用户投稿、用户转载内容为主,如果涉及侵权请尽快告知,我们将会在第一时间删除。文章观点不代表本网站立场,如需处理请联系客服。电话:028-86922220;邮箱:631063699@qq.com。内容未经允许不得转载,或转载时需注明来源: 创新互联