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  >  IT编程

Pandas数据处理(几个简单函数使用掌握)

程序员文章站 2023-11-24 11:47:16
上一阶段公号更新了 OpenCV 的一些小案例,在接下来的一段时间里公号的更文计划向 Pandas、Numpy、Matplotlib 关于数据处理、可视化的方向侧重;偶尔会加入几篇 Python 自动化办公相关文章,小伙伴们关于推文方向有什么建议的话可以发在下方评论里,也可以在后台私信我。对于 Pandas, 接触过 Python 数据处理的小伙伴们都应该挺熟悉的,做数据处理不可或缺的一个程序包,最大的特点高效,本篇文章将通过案例介绍一下 Pandas 的一些基础使用!1,读入数据大部分数据都可以用...

上一阶段公号更新了 OpenCV 的一些小案例,在接下来的一段时间里公号的更文计划向 Pandas、Numpy、Matplotlib 关于数据处理、可视化的方向侧重;偶尔会加入几篇 Python 自动化办公相关文章,小伙伴们关于推文方向有什么建议的话可以发在下方评论里,也可以在后台私信我。

对于 Pandas, 接触过 Python 数据处理的小伙伴们都应该挺熟悉的,做数据处理不可或缺的一个程序包,最大的特点高效,本篇文章将通过案例介绍一下 Pandas 的一些基础使用!

1,读入数据

大部分数据都可以用 read_csv() 函数读入,函数中有个 sep 参数,表示数据的分隔符,默认为 “,” (因为大部分 csv 文件数据之间就是以 ,隔开的)

users = pd.read_csv("https://raw.githubusercontent.com/justmarkham/DAT8/master/data/u.user",
                   sep = '|')# Read data;
users

原始数据:

Pandas数据处理(几个简单函数使用掌握)

读取之后的数据:

Pandas数据处理(几个简单函数使用掌握)

除了 read_csv 之外,还有一个常用的 read_table函数也可进行读取操作,用法与 read_csv 相似

2,改变索引值,只展示前几行数据

set_index() 函数用来改变索引值,注意需要加一个参数 replace = True 表示替代; 利用 head(n) 函数表示只展示前 n 行数据

users.set_index('user_id',inplace = True)
users.head(25)

Pandas数据处理(几个简单函数使用掌握)

tail(n) 只展示后几行数据;

3,查看数据的行和列的基本信息

1,shape 返回 数据的行数和列数,以 tuple 形式返回;

users.shape

# (943, 4)

2,columns 返回数据列名;

users.columns

# Index(['age', 'gender', 'occupation', 'zip_code'], dtype='object')

3,index 返回行名;

users.index

Int64Index([  1,   2,   3,   4,   5,   6,   7,   8,   9,  10,
            ...
            934, 935, 936, 937, 938, 939, 940, 941, 942, 943],
           dtype='int64', name='user_id', length=943)

4,dtypes 返回各列的数据类型;

users.dtypes


# age            int64
gender        object
occupation    object
zip_code      object
dtype: object

4,只选取某列或多列数据

Pandas 提供多种方式可供选择,注:users 表示 Pandas 可处理的DataFrame 格式;

1,users.列名;

users.occupation

2,users[[‘列名’]];

users[['occupation']]

3,users.loc[:,[‘列名’]];

users.loc[:,['occupation']]

Pandas数据处理(几个简单函数使用掌握)

同时选取多列数据时

1,users[[‘列名1’,‘列名2’]];

users[['occupation','age']]

2,users.loc[:,[‘列名1’,‘列名2’]];

users.loc[:,['occupation','age']]

Pandas数据处理(几个简单函数使用掌握)

5,对列中数据做去重统计

1,列名.nunique() 查看某一列数据有多少个不重复样本;

users.occupation.nunique()


# 21

也可以通过这种方式实现

列名.value_counts().count()

users.occupation.value_counts().count()


# 21

如果想在1 的基础之上,查看每一个不重复样本在数据列表冲出现了几次,可用下面语句

users.列名.value_counts()

users.occupation.value_counts().head()


# student          196
other            105
educator          95
administrator     79
engineer          67
Name: occupation, dtype: int64

6,对数据列表中的数字列做个简单统计

users.describe() 即可实现,默认统计的是 numeric columns(列中数据都是以数值进行展示的)

users.describe()

Pandas数据处理(几个简单函数使用掌握)

当然也可以统计全部列,加一个参数 include = ‘all’;

users.describe(include = 'all')

Pandas数据处理(几个简单函数使用掌握)

users.列名.describe() 也可以对指定列进行统计:

users.occupation.describe()

#count         943
unique         21
top       student
freq          196
Name: occupation, dtype: object

7,对数据做组聚类

groupby 函数对某一列做聚类操作,返回的是 GroupBy 对象;与 5 中方法相似,区别是 groupby 是以聚类后的列为参照,查看其他列的数据统计情况

c =users.groupby("occupation")
c

# <pandas.core.groupby.generic.DataFrameGroupBy object at 0x0000017673002788>

GroupBy.head(n) 查看前 n 行数据

c.head(5)

GroupBy.cout() 对每个样本对应其他列进行数据统计

c.count()

GroupBy.size() 统计列中每个样本出现次数

c.size()

还有其它许可操作的函数,

Pandas数据处理(几个简单函数使用掌握)

详细的可去官网上查询:https://pandas.pydata.org/docs/reference/groupby.html

8,对数据按照某一列进行排序

用到 data.sort_values() 函数,默认从小到大,可以设置 ascending = False 设置为从大到小;

users.sort_values(["age"],ascending = False)

也可以参考多个列进行排序:

users.sort_values(["age","zip_code"],ascending = False)

Pandas数据处理(几个简单函数使用掌握)

9,创建新的列

加入新的列比较简单,创建一个 Series (行数需与原列表数据行数保持一致),赋值到源数据即可

data[‘列名’] = 新创建的 series;下面我利用对 age 中数据进行均一化,把数据存放在新的列 age_normalize 中

Pandas数据处理(几个简单函数使用掌握)

10,删除指定列

用 drop() 函数可删除源数据中的指定列

users.drop(['age'],axis = 1)

这里的 axis 代表指定要删除的是行还是列,默认为0,0代表的是行,1代表的是列;也可以直接用下面命令:

users.drop(columns =['age'])

Pandas数据处理(几个简单函数使用掌握)

本文地址:https://blog.csdn.net/weixin_42512684/article/details/107081897