pandas入门

Posted 2021-09-07 临风而眠

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了pandas入门相关的知识，希望对你有一定的参考价值。

Pandas入门(3)

文章目录

Pandas入门(3)

准备工作

导入包

import pandas as pd
import numpy as np

读入数据

df=pd.read_excel("movie_data2.xlsx")

df.head()

	名字	投票人数	类型	产地	上映时间	时长	年代	评分	首映地点
0	肖申克的救赎	692795	剧情/犯罪	美国	1994-09-10 00:00:00	142	1994	9.6	多伦多电影节
1	控方证人	42995	剧情/悬疑/犯罪	美国	1957-12-17 00:00:00	116	1957	9.5	美国
2	美丽人生	327855	剧情/喜剧/爱情	意大利	1997-12-20 00:00:00	116	1997	9.5	意大利
3	阿甘正传	580897	剧情/爱情	美国	1994-06-23 00:00:00	142	1994	9.4	洛杉矶首映
4	霸王别姬	478523	剧情/爱情/同性	中国大陆	1993-01-01 00:00:00	171	1993	9.4	香港

一.数据重塑和轴向旋转

1.层次化索引

层次化索引能使我们在一个轴上拥有多个索引

①Series的层次化索引

来看一个两层索引

s = pd.Series(np.arange(1, 11), index=[
              ['a', 'a', 'a', 'a', 'a', 'b', 'b', 'b', 'c', 'c'],['①', '②', '③', '④', '⑤', '①', '②', '③', '①', '②']])
s

运行结果:

a  ①     1
   ②     2
   ③     3
   ④     4
   ⑤     5
b  ①     6
   ②     7
   ③     8
c  ①     9
   ②    10
dtype: int32

s.index

运行结果:

MultiIndex([('a', '①'),
            ('a', '②'),
            ('a', '③'),
            ('a', '④'),
            ('a', '⑤'),
            ('b', '①'),
            ('b', '②'),
            ('b', '③'),
            ('c', '①'),
            ('c', '②')],
           )

对外层索引进行操作

s['a']

运行结果:

①    1
②    2
③    3
④    4
⑤    5
dtype: int32

#切片
s['a':'b']
#和原生切片不一样,两边都是闭

运行结果:

a  ①    1
   ②    2
   ③    3
   ④    4
   ⑤    5
b  ①    6
   ②    7
   ③    8
dtype: int32

对内层操作

#逗号前面表示外层索引,冒号两边没东西那就是全取
s[:,'①']
#取出来了('a', '①'),('b', '①'),('c', '①')的值

运行结果:

a    1
b    6
c    9
dtype: int32

取具体的值

s['c','②']

运行结果:

②通过unstack方法将Series变成一个DataFrame

例如:

s.unstack()

运行结果:

	①	②	③	④	⑤
a	1.0	2.0	3.0	4.0	5.0
b	6.0	7.0	8.0	NaN	NaN
c	9.0	10.0	NaN	NaN	NaN

s.unstack().stack()

运行结果:

a  ①     1.0
   ②     2.0
   ③     3.0
   ④     4.0
   ⑤     5.0
b  ①     6.0
   ②     7.0
   ③     8.0
c  ①     9.0
   ②    10.0
dtype: float64

#stack堆叠:将列转到行, unstack为反操作:行转到列
s.unstack().stack().unstack()

运行结果:

	①	②	③	④	⑤
a	1.0	2.0	3.0	4.0	5.0
b	6.0	7.0	8.0	NaN	NaN
c	9.0	10.0	NaN	NaN	NaN

③DataFrame的层次化索引

DataFrame的行和列都可以层次化索引

data=pd.DataFrame(np.arange(12).reshape(4,3))
data
#默认索引是数字

	0	1	2
0	0	1	2
1	3	4	5
2	6	7	8
3	9	10	11

行的层次化,增加index参数

data2 = pd.DataFrame(np.arange(12).reshape(4, 3),index=[['一','二','二','二'],['a','a','b','c']])
data2
#默认索引是数字

		0	1	2
一	a	0	1	2
二	a	3	4	5
	b	6	7	8
	c	9	10	11

列的层次化,增加columns参数

data3 = pd.DataFrame(np.arange(12).reshape(4, 3), index=[
                     ['一', '二', '二', '二'], ['a', 'a', 'b', 'c']],columns=[['(1)','(1)','(2)'],['Ⅰ','Ⅰ','Ⅱ']])
data3
#默认索引是数字

		(1)		(2)
		Ⅰ	Ⅰ	Ⅱ
一	a	0	1	2
二	a	3	4	5
	b	6	7	8
	c	9	10	11

注意像上面那样写(1)的话，要加单引号，否则会被认为是只有一个数字的元组(只有一个数字没有逗号的元组就是数字本身)

选取列

data3['(1)']

		Ⅰ	Ⅰ
一	a	0	1
二	a	3	4
	b	6	7
	c	9	10

给行索引设定名称

data3.index.names=['row1','row2']
data3

		(1)		(2)
		Ⅰ	Ⅰ	Ⅱ
row1	row2
一	a	0	1	2
二	a	3	4	5
	b	6	7	8
	c	9	10	11

给列索引设定名称

data3.columns.names=['col1','col2']
data3

	col1	(1)		(2)
	col2	Ⅰ	Ⅰ	Ⅱ
row1	row2
一	a	0	1	2
二	a	3	4	5
	b	6	7	8
	c	9	10	11

调整行索引的顺序

data3.swaplevel('row1','row2')

	col1	(1)		(2)
	col2	Ⅰ	Ⅰ	Ⅱ
row2	row1
a	一	0	1	2
a	二	3	4	5
b	二	6	7	8
c	二	9	10	11

④将豆瓣电影数据处理成多索引结构

df.index

运行结果:

RangeIndex(start=0, stop=38722, step=1)

set_index可以把列变成索引， reset_index可以把索引变成列

将产地作为外索引，年代作为内索引

df2=df.set_index(['产地','年代'])
df2

		名字	投票人数	类型	上映时间	时长	评分	首映地点
产地	年代
美国	1994	肖申克的救赎	692795	剧情/犯罪	1994-09-10 00:00:00	142	9.6	多伦多电影节
美国	1957	控方证人	42995	剧情/悬疑/犯罪	1957-12-17 00:00:00	116	9.5	美国
意大利	1997	美丽人生	327855	剧情/喜剧/爱情	1997-12-20 00:00:00	116	9.5	意大利
美国	1994	阿甘正传	580897	剧情/爱情	1994-06-23 00:00:00	142	9.4	洛杉矶首映
中国大陆	1993	霸王别姬	478523	剧情/爱情/同性	1993-01-01 00:00:00	171	9.4	香港
...	...	...	...	...	...	...	...	...
法国	1983	神学院 S	46	Adult	1905-06-05 00:00:00	58	8.6	美国
美国	1935	1935年	57	喜剧/歌舞	1935-03-15 00:00:00	98	7.6	美国
中国大陆	1986	血溅画屏	95	剧情/悬疑/犯罪/武侠/古装	1905-06-08 00:00:00	91	7.1	美国
中国大陆	1986	魔窟中的幻想	51	惊悚/恐怖/儿童	1905-06-08 00:00:00	78	8.0	美国
俄罗斯	1977	列宁格勒围困之星火战役 Блокада: Фильм 2: Ленинградский ме...	32	剧情/战争	1905-05-30 00:00:00	97	6.6	美国

38722 rows × 7 columns

这样的情况下，每一个索引都是一个元组

df2.index[0]

运行结果:

('美国', 1994)

df2.index[1]

运行结果:

('美国', 1957)

若要获取所有的美国电影信息，此时产地已经变成了索引,要用.loc()

.loc根据行标签获取行数据,下面会获得以年代为索引的dataframe

df2.loc['美国']

	名字	投票人数	类型	上映时间	时长	评分	首映地点
年代
1994	肖申克的救赎	692795	剧情/犯罪	1994-09-10 00:00:00	142	9.6	多伦多电影节
1957	控方证人	42995	剧情/悬疑/犯罪	1957-12-17 00:00:00	116	9.5	美国
1994	阿甘正传	580897	剧情/爱情	1994-06-23 00:00:00	142	9.4	洛杉矶首映
2012	泰坦尼克号	157074	剧情/爱情/灾难	2012-04-10 00:00:00	194	9.4	中国大陆
1993	辛德勒的名单	306904	剧情/历史/战争	1993-11-30 00:00:00	195	9.4	华盛顿首映
...	...	...	...	...	...	...	...
1987	跷家的一夜	82	喜剧/动作/惊悚/冒险	1987-07-01 00:00:00	102	7.8	美国
1987	零下的激情	199	剧情/爱情/犯罪	1987-11-06 00:00:00	98	7.4	美国
1986	离别秋波	240	剧情/爱情/音乐	1986-02-19 00:00:00	90	8.2	美国
1986	极乐森林	45	纪录片	1986-09-14 00:00:00	90	8.1	美国
1935	1935年	57	喜剧/歌舞	1935-03-15 00:00:00	98	7.6	美国

11976 rows × 7 columns

df2.loc['中国大陆']

	名字	投票人数	类型	上映时间	时长	评分	首映地点
年代
1993	霸王别姬	478523	剧情/爱情/同性	1993-01-01 00:00:00	171	9.4	香港
1961	大闹天宫	74881	动画/奇幻	1905-05-14 00:00:00	114	9.2	上集
2015	穹顶之下	51113	纪录片	2015-02-28 00:00:00	104	9.2	中国大陆
1982	茶馆	10678	剧情/历史	1905-06-04 00:00:00	118	9.2	美国
1988	山水情	10781	动画/短片	1905-06-10 00:00:00	19	9.2	美国
...	...	...	...	...	...	...	...
1986	T省的八四、八五	380	剧情	1905-06-08 00:00:00	94	8.7	美国
1986	失踪的女中学生	101	儿童	1905-06-08 00:00:00	102	7.4	美国
1986	血战台儿庄	2908	战争	1905-06-08 00:00:00	120	8.1	美国
1986	血溅画屏	95	剧情/悬疑/犯罪/武侠/古装	1905-06-08 00:00:00	91	7.1	美国
1986	魔窟中的幻想	51	惊悚/恐怖/儿童	1905-06-08 00:00:00	78	8.0	美国

3802 rows × 7 columns

调整行索引的顺序

df2=df2.swaplevel('产地','年代')

df2.head()

		名字	投票人数	类型	上映时间	时长	评分	首映地点
年代	产地
1994	美国	肖申克的救赎	692795	剧情/犯罪	1994-09-10 00:00:00	142	9.6	多伦多电影节
1957	美国	控方证人	42995	剧情/悬疑/犯罪	1957-12-17 00:00:00	116	9.5	美国
1997	意大利	美丽人生	327855	剧情/喜剧/爱情	1997-12-20 00:00:00	116	9.5	意大利
1994	美国	阿甘正传	580897	剧情/爱情	1994-06-23 00:00:00	142	9.4	洛杉矶首映
1993	中国大陆	霸王别姬	478523	剧情/爱情/同性	1993-01-01 00:00:00	171	9.4	香港

df2.loc[1994]

运行结果:

	名字	投票人数	类型	上映时间	时长	评分	首映地点
产地
美国	肖申克的救赎	692795	剧情/犯罪	1994-09-10 00:00:00	142	9.6	多伦多电影节
美国	阿甘正传	580897	剧情/爱情	1994-06-23 00:00:00	142	9.4	洛杉矶首映
法国	这个杀手不太冷	662552	剧情/动作/犯罪	1994-09-14 00:00:00	133	9.4	法国
美国	34街的	768	剧情/家庭/奇幻	1994-12-23 00:00:00	114	7.9	美国
中国大陆	活着	202794	剧情/家庭	1994-05-18 00:00:00	132	9.0	法国
...	...	...	...	...	...	...	...
美国	鬼精灵2：恐怖	60	喜剧/恐怖/奇幻	1994-04-08 00:00:00	85	5.8	美国
英国	黑色第16	44	剧情/惊悚	1996-02-01 00:00:00	106	6.8	美国
日本	蜡笔小新之布里布里王国的秘密宝藏クレヨンしんちゃんブリブリ王国の	2142	动画	1994-04-23 00:00:00	94	7.7	日本
日本	龙珠Z剧场版10：两人面临危机! 超战士难以成眠ドラゴンボール Z 劇場版：危険なふたり！	579	动画	1994-03-12 00:00:00	53	7.2	美国
中国香港	重案实录之惊天械劫案重案實錄之驚天械劫	90	动作/犯罪	1905-06-16 00:00:00	114	7.3	美国

494 rows × 7 columns

若要取消层次化索引

df2 = df2.reset_index()
df2.head()

运行结果:

	年代	产地	名字	投票人数	类型	上映时间	时长	评分	首映地点
0	1994	美国	肖申克的救赎	692795	剧情/犯罪	1994-09-10 00:00:00	142	9.6	多伦多电影节
1	1957	美国	控方证人	42995	剧情/悬疑/犯罪	1957-12-17 00:00:00	116	9.5	美国
2	1997	意大利	美丽人生	327855	剧情/喜剧/爱情	1997-12-20 00:00:00	116	9.5	意大利
3	1994	美国	阿甘正传	580897	剧情/爱情	1994-06-23 00:00:00	142	9.4	洛杉矶首映
4	1993	中国大陆	霸王别姬	478523	剧情/爱情/同性	1993-01-01 00:00:00	171	9.4	香港

2.轴向旋转

取前五行电影数据为例子

Data=df2[:5]
Data

	年代	产地	名字	投票人数	类型	上映时间	时长	评分	首映地点
0	1994	美国	肖申克的救赎	692795	剧情/犯罪	1994-09-10 00:00:00	142	9.6	多伦多电影节
1	1957	美国	控方证人	42995	剧情/悬疑/犯罪	1957-12-17 00:00:00	116	9.5	美国
2	1997	意大利	美丽人生	327855	剧情/喜剧/爱情	1997-12-20 00:00:00	116	9.5	意大利
3	1994	美国	阿甘正传	580897	剧情/爱情	1994-06-23 00:00:00	142	9.4	洛杉矶首映
4	1993	中国大陆	霸王别姬	478523	剧情/爱情/同性	1993-01-01 00:00:00	171	9.4	香港

行列转换.T方法

Data.T

	0	1	2	3	4
年代	1994	1957	1997	1994	1993
产地	美国	美国	意大利	美国	中国大陆
名字	肖申克的救赎	控方证人	美丽人生	阿甘正传	霸王别姬
投票人数	692795	42995	327855	580897	478523
类型	剧情/犯罪	剧情/悬疑/犯罪	剧情/喜剧/爱情	剧情/爱情	剧情/爱情/同性
上映时间	1994-09-10 00:00:00	1957-12-17 00:00:00	1997-12-20 00:00:00	1994-06-23 00:00:00	1993-01-01 00:00:00
时长	142	116	116	142	171
评分	9.6	9.5	9.5	9.4	9.4
首映地点	多伦多电影节	美国	意大利	洛杉矶首映	香港

DataFrame也可以用stack和unstack转换为层次化索引的Series

Data.stack()

运行结果:

0  年代                     1994
   产地                       美国
   名字                   肖申克的救赎
   投票人数                 692795
   类型                    剧情/犯罪
   上映时间    1994-09-10 00:00:00
   时长                      142
   评分                      9.6
   首映地点                 多伦多电影节
1  年代                     1957
   产地                       美国
   名字                     控方证人
   投票人数                  42995
   类型                 剧情/悬疑/犯罪
   上映时间    1957-12-17 00:00:00
   时长                      116
   评分                      9.5
   首映地点                     美国
2  年代                     1997
   产地                      意大利
   名字                    美丽人生 
   投票人数                 327855
   类型                 剧情/喜剧/爱情
   上映时间    1997-12-20 00:00:00
   时长                      116
   评分                      9.5
   首映地点                    意大利
3  年代                     1994
   产地                       美国
   名字                     阿甘正传
   投票人数                 580897
   类型                    剧情/爱情
   上映时间    1994-06-23 00:00:00
   时长                      142
   评分                      9.4
   首映地点                  洛杉矶首映
4  年代                     1993
   产地                     中国大陆
   名字                     霸王别姬
   投票人数                 478523
   类型                 剧情/爱情/同性
   上映时间    1993-01-01 00:00:00
   时长                      171
   评分                      9.4
   首映地点                     香港
dtype: object

Data.stack().unstack()

	年代	产地	名字	投票人数	类型	上映时间	时长	评分	首映地点
0	1994	美国	肖申克的救赎	692795	剧情/犯罪	1994-09-10	142	9.6	多伦多电影节
1	1957	美国	控方证人	42995	剧情/悬疑/犯罪	1957-12-17	116	9.5	美国
2	1997	意大利	美丽人生	327855	剧情/喜剧/爱情	1997-12-20	116	9.5	意大利
3	1994	美国	阿甘正传	580897	剧情/爱情	1994-06-23	142	9.4	洛杉矶首映
4	1993	中国大陆	霸王别姬	478523	剧情/爱情/同性	1993-01-01	171	9.4	香港

二.数据分组，分组运算

Groupby技术:实现数据的分组和分组运算，作用类似于数据透视表

按照电影产地进行分组

先定义一个分组变量

group=df.groupby(df['产地'])

#GroupBy对象
print(group)
print(type(group))

运行结果:

<pandas.core.groupby.generic.DataFrameGroupBy object at 0x00000214044DE2E0>
<class 'pandas.core.groupby.generic.DataFrameGroupBy'>

计算分组后的各个统计量

#计算各个组别的数值型数据的平均值
group.mean()

	投票人数	时长	年代	评分
产地
中国台湾	8474.864078	87.257282	1999.009709	7.066667
中国大陆	10898.293793	81.432930	2004.599684	6.064703
中国香港	8167.446159	88.541214	1991.100316	6.474114
丹麦	1993.858586	88.101010	1999.090909	7.245960
俄罗斯	1019.134172	95.918239	1984.899371	7.554507
其他	1591.494007	87.100573	1998.761334	7.237467
加拿大	1915.304288	80.109267	2002.461964	6.733610
印度	3210.843137	121.016807	2005.974790	6.872269
墨西哥	1173.218487	91.840336	1992.815126	7.087395
巴西	3536.000000	87.811881	1999.871287	7.262376
德国	2597.851744	92.062016	1996.062984	7.198062
意大利	3340.740988	104.008011	1985.503338	7.179306
日本	3565.876585	84.705428	1999.907092	7.194572
比利时	1230.122302	82.352518	1999.496403	7.217986
法国	3628.402842	89.901599	1991.757016	7.239432
波兰	881.640884	80.734807	1987.027624	7.441989
泰国	5322.724490	88.442177	2009.129252	6.109184
澳大利亚	4719.043333	85.163333	2002.986667	6.978000
瑞典	1510.817708	93.218750	1986.932292	7.413021
美国	8500.825234	89.347111	1994.573313	6.946685
英国	4797.089790	88.343592	1996.726647	7.526937
荷兰	934.425806	75.387097	2001.283871	7.190323
西班牙	3326.024609	90.503356	2001.588367	7.024385
阿根廷	2226.474138	91.706897	2004.034483	7.273276
韩国	6484.885270	99.729090	2008.119171	6.362990

计算每年的平均评分

df['评分'].groupby(df['年代']).mean()

运行结果:

年代
1888    7.950000
1890    4.800000
1892    7.500000
1894    6.633333
1895    7.575000
          ...   
2012    6.457717
2013    6.392604
2014    6.259777
2015    6.142238
2016    5.868217
Name: 评分, Length: 126, dtype: float64

计算每个产地的电影的平均得分

df['评分'].groupby(df['产地']).mean()

运行结果:

产地
中国台湾    7.066667
中国大陆    6.064703
中国香港    6.474114
丹麦      7.245960
俄罗斯     7.554507
其他      7.237467
加拿大     6.733610
印度      6.872269
墨西哥     7.087395
巴西      7.262376
德国      7.198062
意大利     7.179306
日本      7.194572
比利时     7.217986
法国      7.239432
波兰      7.441989
泰国      6.109184
澳大利亚    6.978000
瑞典      7.413021
美国      6.946685
英国      7.526937
荷兰      7.190323
西班牙     7.024385
阿根廷     7.273276
韩国      6.362990
Name: 评分, dtype: float64

前面的对各个数值型变量求均值，但其实对年代求平均值没啥意义，可以先将年代转为字符串

df['年代']=df['年代'].astype('str')

df.groupby(df['产地']).mean()

	投票人数	时长	评分
产地
中国台湾	8474.864078	87.257282	7.066667
中国大陆	10898.293793	81.432930	6.064703
中国香港	8167.446159	88.541214	6.474114
丹麦	1993.858586	88.101010	7.245960
俄罗斯	1019.134172	95.918239	7.554507
其他	1591.494007	87.100573	7.237467
加拿大	1915.304288	80.109267	6.733610
印度	3210.843137	121.016807	6.872269
墨西哥	1173.218487	91.840336	7.087395
巴西	3536.000000	87.811881	7.262376
德国	2597.851744	92.062016	7.198062
意大利	3340.740988	104.008011	7.179306
日本	3565.876585	84.705428	7.194572
比利时	1230.122302	82.352518	7.217986
法国	3628.402842	89.901599	7.239432
波兰	881.640884	80.734807	7.441989
泰国	5322.724490	88.442177	6.109184
澳大利亚	4719.043333	85.163333	6.978000
瑞典	1510.817708	93.218750	7.413021
美国	8500.825234	89.347111	6.946685
英国	4797.089790	88.343592	7.526937
荷兰	934.425806	75.387097	7.190323
西班牙	3326.024609	90.503356	7.024385
阿根廷	2226.474138	91.706897	7.273276
韩国	6484.885270	99.729090	6.362990

这时候就不会对年代求平均了

#求中位数
df.groupby(df.产地).median()

	投票人数	时长	评分
产地
中国台湾	487.0	92.0	7.1
中国大陆	501.5	90.0	6.4
中国香港	637.0	92.0	6.5
丹麦	181.5	93.5	7.3
俄罗斯	132.0	93.0	7.7
其他	154.0	90.0	7.4
加拿大	251.0	89.0	6.9
印度	138.0	131.0	7.0
墨西哥	174.0	93.0	7.2
巴西	126.0	96.0	7.3
德国	208.5	94.0	7.3
意大利	181.0	101.0	7.3
日本	355.5	89.0	7.3
比利时	226.0	90.0	7.3
法国	240.0	95.0	7.3
波兰	174.0	87.0	7.5
泰国	542.5	92.5	6.2
澳大利亚	303.5	94.0	7.0
瑞典	186.0	95.5	7.6
美国	392.0	93.0	7.1
英国	316.5	91.0	7.6
荷兰	175.0	84.0	7.3
西班牙	254.0	97.0	7.1
阿根廷	140.0	95.5	7.3
韩国	998.0	104.0	6.5

传入多个分组变量

df.groupby([df['产地'],df["年代"]]).mean()

		投票人数	时长	评分
产地	年代
中国台湾	1963	121.000000	113.000000	6.400000
	1965	153.666667	105.000000	6.800000
	1966	51.000000	60.000000	7.900000
	1967	4444.000000	112.000000	8.000000
	1968	89.000000	83.000000	7.400000
...	...	...	...	...
韩国	2012	5762.537736	100.669811	6.064151
	2013	10189.036036	96.504505	6.098198
	2014	3776.266667	98.666667	5.650833
	2015	3209.247706	100.266055	5.423853
	2016	1739.850000	106.100000	5.730000

1584 rows × 3 columns

获得每个地区,每一年电影的评分的均值

means=df['评分'].groupby([df['产地'],df['年代']]).mean()

means

运行结果:

产地    年代  
中国台湾  1963    6.400000
      1965    6.800000
      1966    7.900000
      1967    8.000000
      1968    7.400000
                ...   
韩国    2012    6.064151
      2013    6.098198
      2014    5.650833
      2015    5.423853
      2016    5.730000
Name: 评分, Length: 1584, dtype: float64

series通过unstack方法转化为dataframe,会产生缺失值

means.unstack().T

运行结果:

产地	中国台湾	中国大陆	中国香港	丹麦	俄罗斯	其他	加拿大	印度	墨西哥	巴西	...	波兰	泰国	澳大利亚	瑞典	美国	英国	荷兰	西班牙	阿根廷	韩国
年代
1888	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	7.950000	NaN	NaN	NaN	NaN
1890	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	4.800000	NaN	NaN	NaN	NaN	NaN
1892	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
1894	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	6.450000	NaN	NaN	NaN	NaN	NaN
1895	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
2012	6.556098	5.727187	6.110526	7.418750	6.572727	6.591743	6.425000	6.502632	7.100000	7.32	...	7.066667	5.962963	6.614286	5.9625	6.437622	7.293103	6.766667	6.595238	6.483333	6.064151
2013	7.076471	5.316667	6.105714	6.555556	6.875000	6.853571	6.018182	6.400000	6.983333	8.00	...	6.966667	5.568000	6.760000	7.1000	6.339668	7.448322	6.563636	6.358333	6.616667	6.098198
2014	6.522222	4.963757	5.616667	7.120000	7.175000	6.596250	5.921739	6.374194	7.250000	6.86	...	7.060000	5.653571	6.568750	6.9600	6.415922	7.275000	7.300000	6.868750	7.150000	5.650833
2015	6.576000	4.969189	5.589189	7.166667	7.342857	6.735714	6.018750	6.736364	6.500000	6.76	...	6.300000	5.846667	6.880000	7.6250	6.278641	7.155056	6.700000	6.514286	7.233333	5.423853
2016	NaN	4.712000	5.390909	7.000000	NaN	7.225000	6.200000	6.900000	NaN	NaN	...	NaN	NaN	NaN	NaN	6.540909	7.200000	NaN	NaN	NaN	5.730000

126 rows × 25 columns

三.离散化处理

在实际的数据分析项目中，对有的数据属性，我们往往并不关注数据的绝对取值，只关注它所处的区间或者等级

1.cut函数进行离散化

离散化也可称为分组、区间化

pd.cut(x, bins, right=True, labels=None, retbins=False, plecision=3, include_lowest=False)
参数解释︰×∶需要离散化的数组、Series、DataFrame对象

bins :分组的依据

right=True 默认包括右端点(默认左开右闭区间)

比如，我们可以把评分9分及以上的电影定义为A，7到9分定义为B，5到7分定义为c，3到5分定义为D，小于3分定义为E

#x:需要离散化的数组:评分 bins:分组的依据[0，3，5，7，9] 默认左开右闭区间
pd.cut(df以上是关于pandas入门的主要内容，如果未能解决你的问题，请参考以下文章 
 pandas GroupBy上的方法apply:一般性的“拆分-应用-合并”
 pandas入门指南
 text [检查特定的数据片段]取自论文但有意思应用。 #python #pandas
 python之pandas入门操作
 pandas入门
 Atom编辑器入门到精通 Atom使用进阶