资源 | 23种Pandas核心操作,你需要过一遍吗?

百家 作者:机器之心 2018-08-26 08:39:05

选自 Medium

作者:George Seif

机器之心编译

参与:思源


Pandas 是一个 Python 软件库,它提供了大量能使我们快速便捷地处理数据的函数和方法。一般而言,Pandas 是使 Python 成为强大而高效的数据分析环境的重要因素之一。在本文中,作者从基本数据集读写、数据处理和 DataFrame 操作三个角度展示了 23 个 Pandas 核心方法。


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,最后的 DataFrame 操作则主要介绍了函数和排序等方法。

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, headers=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、第一行的值:


df.loc([0], ['size'])



原文链接:https://towardsdatascience.com/23-great-pandas-codes-for-data-scientists-cca5ed9d8a38


本文为机器之心编译,转载请联系本公众号获得授权

✄------------------------------------------------

加入机器之心(全职记者 / 实习生):hr@jiqizhixin.com

投稿或寻求报道:content@jiqizhixin.com

广告 & 商务合作:bd@jiqizhixin.co

关注公众号:拾黑(shiheibook)了解更多

[广告]赞助链接:

四季很好,只要有你,文娱排行榜:https://www.yaopaiming.com/
让资讯触达的更精准有趣:https://www.0xu.cn/

公众号 关注网络尖刀微信公众号
随时掌握互联网精彩
赞助链接