日本综合一区二区|亚洲中文天堂综合|日韩欧美自拍一区|男女精品天堂一区|欧美自拍第6页亚洲成人精品一区|亚洲黄色天堂一区二区成人|超碰91偷拍第一页|日韩av夜夜嗨中文字幕|久久蜜综合视频官网|精美人妻一区二区三区

RELATEED CONSULTING
相關咨詢
選擇下列產品馬上在線溝通
服務時間：8:30-17:00
你可能遇到了下面的問題
關閉右側工具欄

新聞中心

這里有您想知道的互聯(lián)網營銷解決方案
23種Pandas核心操作，你需要過一遍嗎？

Pandas 是基于 NumPy 構建的庫，在數(shù)據(jù)處理方面可以把它理解為 NumPy 加強版，同時 Pandas 也是一項開源項目。它基于 Cython，因此讀取與處理數(shù)據(jù)非?？?，并且還能輕松處理浮點數(shù)據(jù)中的缺失數(shù)據(jù)(表示為 NaN)以及非浮點數(shù)據(jù)。在本文中，基本數(shù)據(jù)集操作主要介紹了 CSV 與 Excel 的讀寫方法，基本數(shù)據(jù)處理主要介紹了缺失值及特征抽取，***的 DataFrame 操作則主要介紹了函數(shù)和排序等方法。

成都創(chuàng)新互聯(lián)主營南康網站建設的網絡公司,主營網站建設方案,App定制開發(fā),南康h5微信小程序開發(fā)搭建,南康網站營銷推廣歡迎南康等地區(qū)企業(yè)咨詢

基本數(shù)據(jù)集操作

(1) 讀取 CSV 格式的數(shù)據(jù)集

 
 
 
    
  
  
  
  1. pd.DataFrame.from_csv(“csv_file”) 
    2.

或者：

 
 
 
    
  
  
  
  1. pd.read_csv(“csv_file”) 
    2.

(2) 讀取 Excel 數(shù)據(jù)集

 
 
 
    
  
  
  
  1. pd.read_excel("excel_file") 
    2.

(3) 將 DataFrame 直接寫入 CSV 文件

如下采用逗號作為分隔符，且不帶索引：

 
 
 
    
  
  
  
  1. df.to_csv("data.csv", sep=",", index=False) 
    2.

(4) 基本的數(shù)據(jù)集特征信息

 
 
 
    
  
  
  
  1. df.info() 
    2.

(5) 基本的數(shù)據(jù)集統(tǒng)計信息

 
 
 
    
  
  
  
  1. print(df.describe()) 
    2.

(6) Print data frame in a table

將 DataFrame 輸出到一張表：

 
 
 
    
  
  
  
  1. print(tabulate(print_table, headersheaders=headers)) 
    2.

當「print_table」是一個列表，其中列表元素還是新的列表，「headers」為表頭字符串組成的列表。

(7) 列出所有列的名字

 
 
 
    
  
  
  
  1. df.columns 
    2.

基本數(shù)據(jù)處理

(8) 刪除缺失數(shù)據(jù)

 
 
 
    
  
  
  
  1. df.dropna(axis=0, how='any') 
    2.

返回一個 DataFrame，其中刪除了包含任何 NaN 值的給定軸，選擇 how=「all」會刪除所有元素都是 NaN 的給定軸。

(9) 替換缺失數(shù)據(jù)

 
 
 
    
  
  
  
  1. df.replace(to_replace=None, value=None) 
    2.

使用 value 值代替 DataFrame 中的 to_replace 值，其中 value 和 to_replace 都需要我們賦予不同的值。

(10) 檢查空值 NaN

 
 
 
    
  
  
  
  1. pd.isnull(object) 
    2.

檢查缺失值，即數(shù)值數(shù)組中的 NaN 和目標數(shù)組中的 None/NaN。

(11) 刪除特征

 
 
 
    
  
  
  
  1. df.drop('feature_variable_name', axis=1) 
    2.

axis 選擇 0 表示行，選擇表示列。

(12) 將目標類型轉換為浮點型

 
 
 
    
  
  
  
  1. pd.to_numeric(df["feature_name"], errors='coerce') 
    2.

將目標類型轉化為數(shù)值從而進一步執(zhí)行計算，在這個案例中為字符串。

(13) 將 DataFrame 轉換為 NumPy 數(shù)組

 
 
 
    
  
  
  
  1. df.as_matrix() 
    2.

(14) 取 DataFrame 的前面「n」行

 
 
 
    
  
  
  
  1. df.head(n) 
    2.

(15) 通過特征名取數(shù)據(jù)

 
 
 
    
  
  
  
  1. df.loc[feature_name] 
    2.

DataFrame 操作

(16) 對 DataFrame 使用函數(shù)

該函數(shù)將令 DataFrame 中「height」行的所有值乘上 2：

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

或：

 
 
 
    
  
  
  
  1. def multiply(x): 
    2.   
  
  
  2.  
    3.   
  
  
  3.  return x * 2 
    4.   
  
  
  4.  
    5.   
  
  
  5. df["height"].apply(multiply) 
    6.

(17) 重命名行

下面代碼會重命名 DataFrame 的第三行為「size」：

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

(18) 取某一行的唯一實體

下面代碼將取「name」行的唯一實體：

 
 
 
    
  
  
  
  1. df["name"].unique() 
    2.

(19) 訪問子 DataFrame

以下代碼將從 DataFrame 中抽取選定了的行「name」和「size」：

 
 
 
    
  
  
  
  1. new_df = df[["name", "size"]] 
    2.

(20) 總結數(shù)據(jù)信息

 
 
 
    
  
  
  
  1. # Sum of values in a data frame 
    2.   
  
  
  2. df.sum() 
    3.   
  
  
  3. # Lowest value of a data frame 
    4.   
  
  
  4. df.min() 
    5.   
  
  
  5. # Highest value 
    6.   
  
  
  6. df.max() 
    7.   
  
  
  7. # Index of the lowest value 
    8.   
  
  
  8. df.idxmin() 
    9.   
  
  
  9. # Index of the highest value 
    10.   
  
  
  10. df.idxmax() 
    11.   
  
  
  11. # Statistical summary of the data frame, with quartiles, median, etc. 
    12.   
  
  
  12. df.describe() 
    13.   
  
  
  13. # Average values 
    14.   
  
  
  14. df.mean() 
    15.   
  
  
  15. # Median values 
    16.   
  
  
  16. df.median() 
    17.   
  
  
  17. # Correlation between columns 
    18.   
  
  
  18. df.corr() 
    19.   
  
  
  19. # To get these values for only one column, just select it like this# 
    20.   
  
  
  20. df["size"].median() 
    21.

(21) 給數(shù)據(jù)排序

 
 
 
    
  
  
  
  1. df.sort_values(ascending = False) 
    2.

(22) 布爾型索引

以下代碼將過濾名為「size」的行，并僅顯示值等于 5 的行：

 
 
 
    
  
  
  
  1. df[df["size"] == 5] 
    2.

(23) 選定特定的值

以下代碼將選定「size」列、***行的值：

 
 
 
    
  
  
  
  1. df.loc([0], ['size']) 
    2.

原文鏈接：

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

【本文是專欄機構“機器之心”的原創(chuàng)文章，微信公眾號“機器之心( id: almosthuman2014)”】


網頁題目：23種Pandas核心操作，你需要過一遍嗎？
分享鏈接：http://www.dlmjj.cn/article/dhecsoj.html