首页 首页 大数据 大数据入门 查看内容

23 种 Pandas 核心操作,你需要过一遍吗?

木马童年 2018-12-7 15:30 7 0

Pandas 是一个 Python 软件库,它提供了大量能使我们快速便捷地处理数据的函数和方法。一般而言,Pandas 是使 Python 成为强大而高效的数据分析环境的重要因素之一。在本文中,作者从基本数据集读写、数据处理和 Dat ...

Pandas 是一个 Python 软件库,它提供了大量能使我们快速便捷地处理数据的函数和方法。一般而言,Pandas 是使 Python 成为强大而高效的数据分析环境的重要因素之一。在本文中,作者从基本数据集读写、数据处理和 DataFrame 操作三个角度展示了 23 个 Pandas 核心方法。

Pandas 是基于 NumPy 构建的库,在数据处理方面可以把它理解为 NumPy 加强版,同时 Pandas 也是一项开源项目。它基于 Cython,因此读取与处理数据非常快,并且还能轻松处理浮点数据中的缺失数据(表示为 NaN)以及非浮点数据。在本文中,基本数据集操作主要介绍了 CSV 与 Excel 的读写方法,基本数据处理主要介绍了缺失值及特征抽取,最后的 DataFrame 操作则主要介绍了函数和排序等方法。

基本数据集操作

(1)读取 CSV 格式的数据集

pd.DataFrame.from_csv(“csv_file”)

或者:

pd.read_csv(“csv_file”)

(2)读取 Excel 数据集

pd.read_excel("excel_file")

(3)将 DataFrame 直接写入 CSV 文件

如下采用逗号作为分隔符,且不带索引:

df.to_csv("data.csv", sep=",", index=False)

(4)基本的数据集特征信息

df.info()

(5)基本的数据集统计信息

print(df.describe())

(6) Print data frame in a table

将 DataFrame 输出到一张表:

print(tabulate(print_table, headers=headers))

当「print_table」是一个列表,其中列表元素还是新的列表,「headers」为表头字符串组成的列表。

(7)列出所有列的名字

df.columns

基本数据处理

(8)删除缺失数据

df.dropna(axis=0, how='any')

返回一个 DataFrame,其中删除了包含任何 NaN 值的给定轴,选择 how=「all」会删除所有元素都是 NaN 的给定轴。

(9)替换缺失数据

df.replace(to_replace=None, value=None)

使用 value 值代替 DataFrame 中的 to_replace 值,其中 value 和 to_replace 都需要我们赋予不同的值。

(10)检查空值 NaN

pd.isnull(object)

检查缺失值,即数值数组中的 NaN 和目标数组中的 None/NaN。

(11)删除特征

df.drop('feature_variable_name', axis=1)

axis 选择 0 表示行,选择表示列。

(12)将目标类型转换为浮点型

pd.to_numeric(df["feature_name"], errors='coerce')

将目标类型转化为数值从而进一步执行计算,在这个案例中为字符串。

(13)将 DataFrame 转换为 NumPy 数组

df.as_matrix()

(14)取 DataFrame 的前面「n」行

df.head(n)

(15)通过特征名取数据

df.loc[feature_name]

DataFrame 操作

(16)对 DataFrame 使用函数

该函数将令 DataFrame 中「height」行的所有值乘上 2:

df["height"].apply(*lambda* height: 2 * height)

或:

(17)重命名行

下面代码会重命名 DataFrame 的第三行为「size」:

df.rename(columns = {df.columns[2]:'size'}, inplace=True)

(18)取某一行的唯一实体

下面代码将取「name」行的唯一实体:

df["name"].unique()

(19)访问子 DataFrame

以下代码将从 DataFrame 中抽取选定了的行「name」和「size」:

new_df = df[["name", "size"]]

(20)总结数据信息

(21)给数据排序

df.sort_values(ascending = False)

(22)布尔型索引

以下代码将过滤名为「size」的行,并仅显示值等于 5 的行:

df[df["size"] == 5]

(23)选定特定的值

以下代码将选定「size」列、第一行的值:

df.loc([0], ['size'])

原文链接:https://towardsdatascience.com/23-great-pandas-codes-for-data-scientists-cca5ed9d8a38

在不久的将来,多智时代一定会彻底走入我们的生活,有兴趣入行未来前沿产业的朋友,可以收藏多智时代,及时获取人工智能、大数据、云计算和物联网的前沿资讯和基础知识,让我们一起携手,引领人工智能的未来!

数据分析 数据集 数据处理 数据信息
0
为您推荐
理解Spark的核心RDD

理解Spark的核心RDD

与许多专有的大数据处理平台不同,Spark建立在统一抽象的RDD之上,使得它可以以基本一…...

使用Hadoop,真的可以一直省钱吗?

使用Hadoop,真的可以一直省钱吗?

如果你对这个标题问题的回答是“是”,那么理所当然的,你就是正确的。你之所以是正确…...

Apache Hadoop 3.1.0 正式发布,原生支持GPU和FPGA

Apache Hadoop 3.1.0 正式发布,原生支持GP

4月6日,Apache Hadoop 3.1.0 正式发布了,ApacheHadoop3.1.0 是2018年Hadoop-3.x 系…...

机器学习、大数据工程师成为最热门的新兴职业

机器学习、大数据工程师成为最热门的新兴职

根据美国劳工统计局的数据,今天进入小学的孩子们中,预估有65%最终将会从事那些尚未…...

七成营销高管计划加大对数据分析的依赖

七成营销高管计划加大对数据分析的依赖

营销人员加大数据收集方面的力度,分析有助于了解信息的含义,这决定了广告计划的成败…...

Spark系列之二:Scala 语言解释及示例讲解

Spark系列之二:Scala 语言解释及示例讲解

Scala 语言衍生自 Funnel 语言。Funnel 语言尝试将函数式编程和 Petri 网结合起来,而…...