Pandas 数据挖掘与分析时的常用方法

Posted 2022-03-09 AI科技大本营

今天我们来讲一下用Pandas模块对数据集进行分析的时候，一些经常会用到的配置，通过这些配置的帮助，我们可以更加有效地来分析和挖掘出有价值的数据。

数据集的准备

这次我们需要用到的数据集是广为人所知的泰坦尼克号的乘客数据，我们先导入并且读取数据集

import pandas as pd 
df = pd.read_csv("train.csv")

展示更多的行

Pandas默认只展示60行的数据，如果数据集当中的数量超过了60行，

pd.get_option('display.max_rows')
## 或者是
pd.options.display.max_rows

output

60

要是数据集当中的数据超过了60行，则会将中间的数据给折叠起来，展示出来前面的5行以及最后的5行，如下图所示

当然我们也可以改变最多展示出来的行数，代码如下

pd.set_option('display.max_rows', 200)

或者我们要是想将所有的数据都给展示出来的话，就设置成None，当然要是我们的数据集很长很长的话，有几万行几十万行的话，这么做可能会使得notebook崩掉

pd.set_option('display.max_rows', None)
或者是
# pd.options.display.max_rows = None

展示更多的列

同样地，pandas默认只展示20列的数据

pd.get_option('display.max_columns')
# pd.options.display.max_columns

output

20

要是数据集超过了20列的数据，中间的几列数据就会折叠起来，如下图所示

当然我们也可以改变这个值，例如当数据集当中的数据超过了50列才会被折叠，代码如下

# 当数据集当中的数据超过了50列才会被折叠
pd.set_option('display.max_columns', 50)
# pd.options.display.max_columns = 50

或者就干脆展示出来所有的列

pd.set_option('display.max_columns', None)
# pd.options.display.max_columns = None

改变列的宽度

当我们想要展示数据集当中的前5列的时候

df.head()

output

我们发现“Name”这一列当中的第二行因为字数比较多，就用了省略号来代替，这是因为Pandas对显示数据的量也是有限制的，

pd.get_option('display.max_colwidth')
# pd.options.display.max_colwidth

当然我们也能改变这个默认值，代码如下

pd.set_option('display.max_colwidth', 500)
# pd.options.display.max_colwidth = 500

或者显示出所有的内容

pd.set_option('display.max_colwidth', None)
# pd.options.display.max_colwidth = None

改变浮点数的精度

或许你也察觉到了Pandas对于浮点数的精度的展示也是有限制的，如下图所示

默认只展示小数点后面的6位小数，

pd.get_option('display.precision')
# pd.options.display.precision

output

6

要是我们只是希望展示小数点后面2位小数，则可以这么来做

pd.set_option('display.precision', 2)
# pd.options.display.precision = 2

我们来看一下最终的效果如何

df.head()

output

个性化展示数字

有时候我们遇到例如货币、百分比、小数等数字时，可以通过pandas当中的display.float_format方法来个性化展示数字，

pd.set_option('display.float_format',  ':,.2f'.format)
df_test

例如我们希望对数字添加百分号来展示，代码如下

pd.set_option('display.float_format', ':.2f%'.format)
df_test

例如我们希望在数字面前添加货币符号，代码如下

pd.set_option('display.float_format', '$:.2f'.format)
df_test

改变图表绘制的后端

默认的Pandas模块对图表的绘制是以matplotlib为后端的，但是以此为后端绘制出来的图表并不是动态可交互的，我们可以改成以plotly或者是altair为后端来绘制图表，

import pandas as pd
import numpy as np
pd.set_option('plotting.backend', 'altair')
data = pd.Series(np.random.randn(100).cumsum())
data.plot()

重置回默认的配置

除了上面小编介绍的配置之外，大家也可以自行对数据集的展示的配置进行调整，首先我们看一下总共有哪些配置可以供我们来调整

pd.describe_option()

output

要是我们指定想要看横轴方向上的配置，可以这么来做

pd.describe_option("rows")

output

依次我们可以对最大展示出来的行数、最少展示出来的行数进行调整，而要是你想将所有的配置还原成默认值，可以这么来做

pd.reset_option('all')

往

期

回

顾

资讯

Meta开发AI语音助手，助力元宇宙

技术

Python批量处理 Excel 数据

技术

20个Pandas数据实战案例，干货多

资讯

隐患：神经网络可以隐藏恶意软件

分享

点收藏

点点赞

点在看