12 个 Pandas 数据处理高频操作

Posted 2022-03-14 AI科技大本营

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12 个 Pandas 数据处理高频操作相关的知识，希望对你有一定的参考价值。

作者 | 老表

来源 | 简说Python

今天给大家分享几个自己近期常用的Pandas数据处理技巧，主打实用，所以你肯定能用的着，建议扫一遍，然后收藏起来，下次要用的时候再查查看即可。

简单说说
总结分享

统计一行/一列数据的负数出现的次数
让dataframe里面的正数全部变为0
统计某列中各元素出现次数
修改表头和索引
修改列所在位置insert+pop
常用查询方法query
数据存储时不要索引
按指定列排序sort_values
apply 函数运用
Pandas数据合并
Pandas Dataframe拷贝
对于列/行的操作

简单说说

Panda是一个快速、强大、灵活且易于使用的开源数据分析和操作工具，在Python环境下，我们可以通过pip直接进行安装。

pip install pandas

在Python代码中使用pandas首先需要导入：

import pandas as pd

创建一个示例数据：

# 统计一行/一列数据的负数出现的次数
df = pd.DataFrame(
    'a':[1,-3,0,1,3],
     'b':[-1,0,1,5,1],
     'c':[0,-2,0,-9,0])
df

总结分享

> 1 统计一行/一列数据的负数出现的次数

# 获取到每一行的复数个数
# 要获取列的话，将axis改成0即可
num_list = (df < 0).astype(int).sum(axis=1)
num_list

> 2 让dataframe里面的正数全部变为0

# 直接了当
df[df>0] = 0
df

> 3 统计某列中各元素出现次数

默认情况，直接统计出指定列各元素值出现的次数。

# 默认情况，统计b列各元素出现次数
df['b'].value_counts()

最好奇的bins参数，按bins分割区间，统计落在各区间内元素个数

# 按指定区间个数bin，元素起始值分割区间，统计表格中落在各区间内元素个数
df['b'].value_counts(bins=3)

normalize参数，计算各元素出现次数占比

# normalize参数 出现次数/总数据个数 
df['b'].value_counts(normalize=True)

还有sort和ascending，可以按指定方式对统计结果进行排序。

> 4 修改表头和索引

修改表头名称

# 修改表头名称
columns = 'a': 'A', 'b': 'B'
df.rename(columns=columns, inplace=True)
df

设置特殊索引

# 设置特殊索引
df.index = ['a', 'b', 'c', 'd', 'e']
df

删除索引

# 删除索引
df.reset_index(drop=True, inplace=True)
df

> 5 修改列所在位置insert+pop

insert在指定位置插入某列值；pop按列名取出某列（同时会删掉该列）。

# 将A列移到最后
# 新增列位置，新增列名，新增列的数值
df.insert(2,'A',df.pop('A'))
df

> 6 常用查询方法query

直接查询

# 找出c所有c值小于0的行
df.query("c<0")

query+contains模糊查询

# 插入一列
df.insert(0,'name',['张三', '张华', '李四', '王五', '李逵'])
# 查找名字里包含三、四、五的用户数据
df.query("name.str.contains('三|四|五')", engine='python')

> 7 数据存储时不要索引

设置index为None即可。

df.to_csv('测试数据.csv', encoding='utf-8-sig', index=None)

> 8 按指定列排序sort_values

sort_values函数，通过by参数可以指定按哪些列进行排序，还可以设置ascending指定排序方式（升序或者降序，默认降序）

# by 指定排序列 na_position nan值放的位置 开头还是尾部
df.sort_values(by=['name'],na_position='first')

> 9 apply 函数运用

# A B 两列都每个元素值都+1
df[['A', 'B']].apply(lambda x:x+1)

DataFrame.apply(func, 
axis=0, broadcast=False, 
raw=False, reduce=None, args=(), **kwds)

> 10 Pandas数据合并

进行数据合并前，首先需要确定合并的数据的表头都是一致的，然后将他们依次加入一个列表，最终使用concat函数即可进行数据合并。

# 现将表构成list，然后再作为concat的输入
df1 = df[0:1]
df2 = df[2:4]
df3 = df[3:5]
frames = [df1, df2, df3]
df4 = pd.concat(frames)
df4

> 11 Pandas Dataframe拷贝

深拷贝，df1改变，df不会变

# 深拷贝，df1改变，df不会变
df1 = df.copy(deep=True)
print(f"df\\ndf\\ndf1\\ndf1")

将原数据df的name列的第一个元素改为zs，会发现，df改动，不会影响df1。

df['name'][0] = 'zs'
print(f"df\\ndf\\ndf1\\ndf1")

浅拷贝，df2改变，df也会变等同df2 = df

# 浅拷贝，df2改变，df也会变  等同df2 = df
df2 = df.copy(deep=False)
print(f"df\\ndf\\ndf2\\ndf2")

将原数据df的name列的第一个元素改为张三，会发现，df改动，df2也会一起改动。

df['name'][0] = '张三'
print(f"df\\ndf\\ndf2\\ndf2")

> 12 对于列/行的操作

删除指定行/列

# 行索引/列索引 多行/多列可以用列表
# axis=0表示行 axis=1表示列 inplace是否在原列表操作 
# 删除df中的c列
df.drop('c', axis=1, inplace=True)
df

取出指定列/行

# 不知道列名，取出表格最后两列
df3 = df.iloc[:, -2:]  
# 知道列名，取出name和A两列
df4 = df.loc[:, ['name', 'A']]  
print(f"df3\\ndf3\\ndf4\\ndf4")

# 重新设置下索引
df.index = ['a1', 'a2', 'a3', 'a4', 'a5']

# 不知道行索引，取出表格前两行
df5 = df.iloc[:2, :]  
# 知道行索引，取出a1和a3两行
df6 = df.loc[['a1', 'a3'], :]  
print(f"df5\\ndf5\\ndf6\\ndf6")

交换两列指定值

# 将B列中小于0的元素和A列交换
# 筛选出B列中小于0的行
flag = df['B'].astype(int).map(lambda x: x<0)
# 通过布尔提取交换两列数据
df.loc[flag, 'B'], df.loc[flag, 'A'] = df.loc[flag, 'A'], df.loc[flag, 'B']
df