欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

Python学习教程:从Excel到Python:最常用到的Pandas函数(下)

程序员文章站 2022-03-12 17:56:59
...

本期的Python学习教程接着上次的讲,接着跟大家总结工作中最常用到的Pandas函数

数据预处理

本章主要讲的是数据的预处理,对清洗完的数据进行整理以便后期的统计和分析工作。主要包括数据表的合并,排序,数值分列,数据分组及标记等工作。

1.数据表合并

在Excel中没有直接完成数据表合并的功能,可以通过VLOOKUP函数分步实现。
在Python中可以通过merge函数一次性实现。

#建立df1数据表
df1=pd.DataFrame({"id":[1001,1002,1003,1004,1005,1006,1007,1008],
"gender":['male','female','male','female','male
','female','male','female'],
"pay":['Y','N','Y','Y','N','Y','N','Y',],
"m-point":[10,12,20,40,40,40,30,20]})

Python学习教程:从Excel到Python:最常用到的Pandas函数(下)

使用merge函数对两个数据表进行合并,合并的方式为inner,将
两个数据表*有的数据匹配到一起生成新的数据表。并命名为
df_inner。

#数据表匹配合并
df_inner=pd.merge(df,df1,how='inner')

Python学习教程:从Excel到Python:最常用到的Pandas函数(下)

合并的方式还有left,right和outer方式

df_left=pd.merge(df,df1,how='left')
df_right=pd.merge(df,df1,how='right')
df_outer=pd.merge(df,df1,how='outer')

2.设置索引列

索引列可以进行数据提取,汇总,数据筛选

#设置索引列
df_inner.set_index('id')

Python学习教程:从Excel到Python:最常用到的Pandas函数(下)
3.排序(按索引,按数值)

Excel中可以通过数据目录下的排序按钮直接对数据表进行排序

Python学习教程:从Excel到Python:最常用到的Pandas函数(下)
Python中需要使用ort_values函数和sort_index函数完成排序

#按特定列的值排序
df_inner.sort_values(by=['age'])

Python学习教程:从Excel到Python:最常用到的Pandas函数(下)

Sort_index函数用来将数据表按索引列的值进行排序。

#按索引列排序
df_inner.sort_index()

Python学习教程:从Excel到Python:最常用到的Pandas函数(下)
4.数据分组

Excel中可以通过VLOOKUP函数进行近似匹配来完成对数值的分组,或者使用“数据透视表”来完成分组

Python中使用Where函数用来对数据进行判断和分组

#如果price列的值>3000,group列显示high,否则显示low
df_inner['group'] = np.where(df_inner['price'] > 3000,'high','low
')

Python学习教程:从Excel到Python:最常用到的Pandas函数(下)

还可以对多个字段的值进行判断后对数据进行分组,下面的代码中对city列等于beijing并且price列大于等于4000的数据标记为1。

#对复合多个条件的数据进行分组标记
df_inner.loc[(df_inner['city'] == 'beijing') & (df_inner['price']
>= 4000), 'sign']=1

Python学习教程:从Excel到Python:最常用到的Pandas函数(下)
5.数据分列

Excel中的数据目录下提供“分列”功能。

Python学习教程:从Excel到Python:最常用到的Pandas函数(下)

在Python中使用split函数实现分列在数据表中category列中的数据包含有两个信息,前面的数字为类别id,后面的字母为size值。中间以连字符进行连接。我们使用split函数对这个字段进行拆分,并将拆分后的数据表匹配回原数据表中。

#对category字段的值依次进行分列,并创建数据表,索引值为df_inner的索引列,列名称为category和size
pd.DataFrame((x.split('-') for x in df_inner['category']),index=d
f_inner.index,columns=['category','size'])

Python学习教程:从Excel到Python:最常用到的Pandas函数(下)

#将完成分列后的数据表与原df_inner数据表进行匹配
df_inner=pd.merge(df_inner,split,right_index=True, left_index=Tru
e)

Python学习教程:从Excel到Python:最常用到的Pandas函数(下)

数据提取

1.按标签提取(loc)

#按索引提取单行的数值
df_inner.loc[3]
id 1004
date 2013-01-05 00:00:00
city shenzhen
category 110-C
age 32
price 5433
gender female
m-point 40
pay Y
group high
sign NaN
category_1 110
size C
Name: 3, dtype: object

使用冒号可以限定提取数据的范围,冒号前面为开始的标签值后面为结束的标签值。

#按索引提取区域行数值
df_inner.loc[0:5]

Python学习教程:从Excel到Python:最常用到的Pandas函数(下)
Reset_index函数用于恢复索引,这里我们重新将date字段的日期
设置为数据表的索引,并按日期进行数据提取。

#重设索引
df_inner.reset_index()

Python学习教程:从Excel到Python:最常用到的Pandas函数(下)

#设置日期为索引
df_inner=df_inner.set_index('date')

Python学习教程:从Excel到Python:最常用到的Pandas函数(下)

#提取4日之前的所有数据
df_inner[:'2013-01-04']

Python学习教程:从Excel到Python:最常用到的Pandas函数(下)
2.按位置提取(iloc)

使用iloc函数按位置对数据表中的数据进行提取,这里冒号前后
的数字不再是索引的标签名称,而是数据所在的位置,从0开始。

#使用iloc按位置区域提取数据
df_inner.iloc[:3,:2]

Python学习教程:从Excel到Python:最常用到的Pandas函数(下)

iloc函数除了可以按区域提取数据,还可以按位置逐条提取

#使用iloc按位置单独提取数据
df_inner.iloc[[0,2,5],[4,5]]

前面方括号中的0,2,5表示数据所在行的位置,后面方括号中的数表示所在列的位置。

Python学习教程:从Excel到Python:最常用到的Pandas函数(下)
3.按标签和位置提取(ix)

ix是loc和iloc的混合,既能按索引标签提取,也能按位置进行数
据提取.

#使用ix按索引标签和位置混合提取数据
df_inner.ix[:'2013-01-03',:4]

Python学习教程:从Excel到Python:最常用到的Pandas函数(下)

4.按条件提取(区域和条件值)

使用loc和isin两个函数配合使用,按指定条件对数据进行提取

#判断city列的值是否为beijing
df_inner['city'].isin(['beijing'])
date
2013-01-02 True
2013-01-05 False
2013-01-07 True
2013-01-06 False
2013-01-03 False
2013-01-04 False
Name: city, dtype: bool

将isin函数嵌套到loc的数据提取函数中,将判断结果为Ture数据
提取出来。这里我们把判断条件改为city值是否为beijing和shanghai。如果是就把这条数据提取出来。

#先判断city列里是否包含beijing和shanghai,然后将复合条件的数据提取出来。
df_inner.loc[df_inner['city'].isin(['beijing','shanghai'])]

Python学习教程:从Excel到Python:最常用到的Pandas函数(下)

数据筛选

按条件筛选(与、或、非)

Excel数据目录下提供了“筛选”功能,用于对数据表按不同的条
件进行筛选。

Python学习教程:从Excel到Python:最常用到的Pandas函数(下)

Python中使用loc函数配合筛选条件来完成筛选功能。配合sum和count函数还能实现Excel中sumif和countif函数的功能。
使用“与”条件进行筛选,条件是年龄大于25岁,并且城市为beijing。

#使用“与”条件进行筛选
df_inner.loc[(df_inner['age'] > 25) & (df_inner['city'] == 'beiji
ng'), ['id','city','age','category','gender']]/

Python学习教程:从Excel到Python:最常用到的Pandas函数(下)

#使用“或”条件筛选
df_inner.loc[(df_inner['age'] > 25) | (df_inner['city'] == 'beiji
ng'), ['id','city','age','category','gender']].sort(['age'])

Python学习教程:从Excel到Python:最常用到的Pandas函数(下)

#使用“非”条件进行筛选
df_inner.loc[(df_inner['city'] != 'beijing'), ['id','city','age',
'category','gender']].sort(['id'])

Python学习教程:从Excel到Python:最常用到的Pandas函数(下)

在前面的代码后面增加city列,并使用count函数进行计数。相当于Excel中的countifs函数的功能

#对筛选后的数据按city列进行计数
df_inner.loc[(df_inner['city'] != 'beijing'), ['id','city','age',
'category','gender']].sort(['id']).city.count()

还有一种筛选的方式是用query函数

#使用query函数进行筛选
df_inner.query('city == ["beijing", "shanghai"]')

Python学习教程:从Excel到Python:最常用到的Pandas函数(下)

在前面的代码后增加price字段和sum函数。对筛选后的price字段
进行求和,相当于Excel中的sumifs函数的功能。

#对筛选后的结果按price进行求和
df_inner.query('city == ["beijing", "shanghai"]').price.sum()
12230

数据汇总

Excel中使用分类汇总和数据透视可以按特定维度对数据进行汇总,Python中使用的主要函数是groupby和pivot_table。

1.分类汇总

#对所有列进行计数汇总
df_inner.groupby('city').count()/

Python学习教程:从Excel到Python:最常用到的Pandas函数(下)

#对特定的ID列进行计数汇总
df_inner.groupby('city')['id'].count()
city
beijing 2
guangzhou 1
shanghai 2
shenzhen 1
Name: id, dtype: int64
#对两个字段进行汇总计数
df_inner.groupby(['city','size'])['id'].count()
city size
beijing A 1
F 1
guangzhou A 1
shanghai A 1
B 1
shenzhen C 1
Name: id, dtype: int64

还可以对汇总后的数据同时按多个维度进行计算

#对city字段进行汇总并计算price的合计和均值。
df_inner.groupby('city')['price'].agg([len,np.sum, np.mean])

Python学习教程:从Excel到Python:最常用到的Pandas函数(下)
2.数据透视

Python学习教程:从Excel到Python:最常用到的Pandas函数(下)

Python中通过pivot_table函数实现同样的效果

#设定city为行字段,size为列字段,price为值字段。
分别计算price的数量和金额并且按行与列进行汇总。
pd.pivot_table(df_inner,index=["city"],values=["price"],columns=[
"size"],aggfunc=[len,np.sum],fill_value=0,margins=True)

Python学习教程:从Excel到Python:最常用到的Pandas函数(下)

数据统计

1.数据采样

Excel的数据分析功能中提供了数据抽样的功能

Python学习教程:从Excel到Python:最常用到的Pandas函数(下)

Python通过sample函数完成数据采样

#简单的数据采样
df_inner.sample(n=3)

Python学习教程:从Excel到Python:最常用到的Pandas函数(下)

Weights参数是采样的权重,通过设置不同的权重可以更改采样的结果

#手动设置采样权重
weights = [0, 0, 0, 0, 0.5, 0.5]
df_inner.sample(n=2, weights=weights)

Python学习教程:从Excel到Python:最常用到的Pandas函数(下)

Sample函数中参数replace,用来设置采样后是否放回

#采样后不放回
df_inner.sample(n=6, replace=False)
#采样后放回
df_inner.sample(n=6, replace=True)

2.描述统计

Python中可以通过Describe对数据进行描述统计

#数据表描述性统计
df_inner.describe().round(2).T

Python学习教程:从Excel到Python:最常用到的Pandas函数(下)

3.相关分析

Python学习教程:从Excel到Python:最常用到的Pandas函数(下)

Python中则通过corr函数完成相关分析的操作,并返回相关系数。

#相关性分析
df_inner['price'].corr(df_inner['m-point'])
0.77466555617085264
#数据表相关性分析
df_inner.corr()

Python学习教程:从Excel到Python:最常用到的Pandas函数(下)

数据输出

1.写入Excel

#输出到Excel格式
df_inner.to_Excel('Excel_to_Python.xlsx', sheet_name='bluewhale_c
c')

Python学习教程:从Excel到Python:最常用到的Pandas函数(下)
2.写入csv

#输出到CSV格式
df_inner.to_csv('Excel_to_Python.csv')

这里就跟大家总结了这么多,伙伴们有补充的可以留言哈,更多的Python学习教程Python学习小技巧也会继续为大家更新!