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
3,去重
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
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。
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。
2,索引和切片
2.1 列索引
2.2 行索引
2.3 元素索引
2.4 切片
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
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
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
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。
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。
5.2 显式构造,用pd.MultiIndex.from_product
5.3 索引和切片
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。
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。
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
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
还可以使用drop_duplicates(),这也是drop系列函数。
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
10.2 map()中还可以跟自定义函数
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
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
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。
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