Python数据分析之Pandas

Posted 2022-12-08 程序员唐丁

上一节介绍的Pandas的简单应用，包括pandas中Series和DataFrame类型数据的创建，以及对DataFrame的转置和排序。今天讲的是pandas的数据选择、设置值和处理丢失数据三类方法。

一、数据选择

#导库
import pandas as pd
import numpy as np

1、选择数据-简单选择-按列索引

df_DataFrame = pd.DataFrame(np.random.randn(3,4),index=['a','b','c'],columns=['A','B','C','D'])
df_DataFrame.sort_values(by='B')
df_DataFrame['A']

a   -1.025688
b   -0.264478
c   -1.105921
Name: A, dtype: float64

2、选择数据-loc函数-按行索引（单行）

#选择数据-loc函数-按行索引（单行）
df_DataFrame.loc['a']

A   -1.025688
B    0.880389
C   -0.955020
D   -0.432437
Name: a, dtype: float64

3、选择数据-loc函数-按行索引（多行）

#选择数据-loc函数-按行索引（多行）
df_DataFrame.loc[['a','b']]

4、选择数据-iloc函数-按位置索引（多行）

#选择数据-iloc函数-按位置索引（多行）
df_DataFrame.iloc[0,0]#0行0列

-1.0256883036288895

5、筛选B列大于0的行

#筛选B列大于0的行df_DataFrame[df_DataFrame.B > 0]

二、设置值

1、定义DataFrame数据

import pandas as pdimport numpy as npdates = pd.date_range('20210624',periods=6)df = pd.DataFrame(np.arange(24).reshape(6,4),index=dates,columns=["A","B","C","D"])print(df)

             A   B   C   D2021-06-24   0   1   2   32021-06-25   4   5   6   72021-06-26   8   9  10  112021-06-27  12  13  14  152021-06-28  16  17  18  192021-06-29  20  21  22  23

2、设置值-通过行列位置

#设置值-通过行列位置df.iloc[2,2] = 'a'

3、设置值-通过索引定位

#设置值-通过索引定位df.loc['2021-06-27','D'] = '唐丁'

4、设置值-改变A列大于10的行数据

#设置值-改变A列大于10的行数据df[df.A > 10] = np.nan

5、设置值-改变A列大于7的某一列数据

#设置值-改变A列大于7的某一列数据
df.B[df.A > 7] = 'haha'

6、设置值-增加一列E,值都为0

#设置值-增加一列E,值都为0dates = pd.date_range('20210624',periods=6)df = pd.DataFrame(np.arange(24).reshape(6,4),index=dates,columns=["A","B","C","D"])df['E'] = 0

三、处理丢失数据

1、定义待处理数据

#处理丢失数据df.loc['2021-06-26','A'] = np.nanprint(df)

							A    B   C   D  E2021-06-24   0.0   1   2   3  02021-06-25   4.0   5   6   7  02021-06-26   NaN   9  10  11  02021-06-27  12.0  13  14  15  02021-06-28  16.0  17  18  19  02021-06-29  20.0  21  22  23  0

2、dropna函数

#dropna函数是返回删除后的DataFrame，不改变原DataFrame#axis为0删除行,1删除列#how为any是只要有0就删除，all是都为0才删除a = df.dropna(axis=0,how='any')print(a)

							A    B   C   D  E2021-06-24   0.0   1   2   3  02021-06-25   4.0   5   6   7  02021-06-27  12.0  13  14  15  02021-06-28  16.0  17  18  19  02021-06-29  20.0  21  22  23  0

3、将丢失数据填充为“唐丁”

#将丢失数据填充为“唐丁”a = df.fillna(value='唐丁')print(a)

               A   B   C   D  E2021-06-24   0.0   1   2   3  02021-06-25   4.0   5   6   7  02021-06-26    唐丁   9  10  11  02021-06-27  12.0  13  14  15  02021-06-28  16.0  17  18  19  02021-06-29  20.0  21  22  23  0

4、判断DataFrame中是否含有缺失值，缺失值部分为True

#判断DataFrame中是否含有缺失值，缺失值部分为Truedf.loc['2021-06-26','A'] = np.nandf.isnull()

今天就介绍到这里，下次见～～