数据分析之pandas模块

Posted 12345huangchun

tags:

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

 

 

  一、Series

  类似于一位数组的对象,第一个参数为数据,第二个参数为索引(索引可以不指定,就默认用隐式索引)

Series(data=np.random.randint(1,50,(10,)))
Series(data=[1,2,3],index=(a,b,c))
dic={math:88,chinese:99,english:50}
Series(data=dic)
对于data来说,可以是列表、np数组、字典,当用字典时,字典的key会成为行索引

  1,索引和切片

用中括号时,可以是显示索引,也可以是隐式索引
用句点符‘.’
用.loc[]时,只能有显示索引
用.iloc[]时,只能用隐式索引

  2,属性

技术图片

  3,去重

技术图片

  4,加法

  索引相同的加在一起,当索引不一致的项,就用NaN填充

技术图片

  5,数据清洗

  主要用isnull()判断值是否为空,notnull()判断值是否不为空,返回的都是值为bool型的Series,然后把它作为索引,就可以把为False的值给删除。

技术图片

  二、DataFrame

  DataFrame是一个表格型的数据结构,DataFrame由一定顺序排列的多列数据组成,设计初衷是将Series的使用场景从一维拓展到多维,DataFrame既有行索引index,也有列索引columns,值values。

  1,DataFrame的创建

  最常用的方法是传递一个字典,以字典的key为列索引,以每一个key对应的值作为对应列的数据,所以值应该是个列表。还可以指定行索引,但不可以指定列索引。

技术图片

  2,索引和切片

  2.1 列索引

技术图片

  2.2 行索引

技术图片

  2.3 元素索引

技术图片

  2.4 切片

技术图片

  3,运算

  要保证行索引和列索引都一致才能运算,否则用NaN填充

技术图片

  4,数据清洗

  4.1 用isnull(),notnull(),any(),all()搭配使用,得到一组bool值的Series,然后把它作为索引,就可以清洗为False的行

技术图片

  4.2 还可以用drop(),drop系列的函数中,axis=1表示列,axis=0代表行,这和其他所有场景都是相反的

技术图片

  4.3 上面两种清洗方法都是删除整行或者,整列,有时是不允许这样子删除。我也可以用fillna()来把空值给填上。当inplace参数设为Ture时,表示修改后的数据映射到原数据,相当于修改原数据。

技术图片

  5,多层索引

  5.1 隐式构造,最常用的方法是给DataFrame构造函数的index或columns传递两个或多个数组。

技术图片

  5.2 显式构造,用pd.MultiIndex.from_product

技术图片

  5.3 索引和切片

技术图片

  6,级联

pandas使用pd.concat(),与np.concatedate()类似,参数有些不同。
参数join:outer将所有的项进行级联(忽略匹配和不匹配),inner只会把匹配的项进行级联。

技术图片

  由于在以后的级联的使用很多,因此有一个函数append专门用于在后面添加。

技术图片

  7,合并

合并用merge().它和数据库中的链表差不多
merge和concat的区别在于,merge需要依据某一共同的列进行合并。
在使用merge时,会自动根据两者相同的columns,来合并
每一列元素不要求一致
参数:
how:out取并集,inner取交集
on:当两者有多列的名字相同时,我们想指定某一列进行合并,那我们就要把想指定列的名字赋给它
left_on和right_on:同时使用,当两者间没有共同的列名称时,可以分别指定

技术图片

技术图片

技术图片

技术图片

  8,删除重复元素

  使用duplicated()函数检测重复的行,返回元素为bool类型的Series对象,keep参数:指定保留哪一行重复的元素

技术图片

  还可以使用drop_duplicates(),这也是drop系列函数。

技术图片

  9 ,替换replace()

df.replace(to_replace=6,value=ww)   #把所有的6换成‘ww’
df.replace(to_replace={2:6},value=ww)  #把列索引为‘2’这列中‘6’换成‘ww’
df.replace(to_replace={2:6,3:9},value=ww)#把列索引为2中的6和列索引为3中的9换成‘ww’
df.replace(to_replace={6:ww})   #把所有的6换成‘ww’
df.replace(to_replace={6:ww,1:qq})  #把所有的6换成‘ww’,把所有的1换成‘qq’

  10,映射

  10.1 用map()新建一列

技术图片

  10.2 map()中还可以跟自定义函数

技术图片

  11,排序

  使用take()函数排序,take接受一个索引列表,用数字表示,使得df会根据列表中索引的顺序进行排序

技术图片

  还可以使用np.random.permutation()函数随机排序,它返回的是一个一维的随机数组,比如参数为10,就会产生0到9这10个数字,不重复的,顺序还是打乱的。

  当DataFrame规模足够大时,我们就可以借助它帮我们把数据打乱,然后用take函数实现随机抽样

values = df.take(np.random.permutation(1000),axis=0).take(np.random.permutation(3),axis=1).values
上面的代码是把1000行随机打乱,然后3列随机打乱 DataFrame(data
=values)这就会映射会原数据,此时的原数据就是行和列都打乱的数据

  12,分类

   分类就是把数据分为几个组,然后我可以对每个组进行操作,这和数据库分类是一样的效果。使用的是groupby()函数,参数by是分类的依据,groups属性可以查看分组情况

技术图片

  13,高级聚合

  在分组后可以用sum(),mean()等聚合函数,其次还可以跟transform和apply函数,再给这两个函数传一个自定义函数,就可以是聚合函数以外的功能。

技术图片

技术图片



以上是关于数据分析之pandas模块的主要内容,如果未能解决你的问题,请参考以下文章

python之panda模块1

数据分析之pandas模块

python之panda模块2

模块之numpy,pandas,matplotlib

数据分析三剑客之Pandas时间序列

pandas GroupBy上的方法apply:一般性的“拆分-应用-合并”