1. <strong id="7actg"></strong>
    2. <table id="7actg"></table>

    3. <address id="7actg"></address>
      <address id="7actg"></address>
      1. <object id="7actg"><tt id="7actg"></tt></object>

        Pandas必知必會的使用技巧,值得收藏!

        共 4037字,需瀏覽 9分鐘

         ·

        2021-01-14 19:02



        本期的主題是關(guān)于python的一個(gè)數(shù)據(jù)分析工具pandas的,歸納整理了一些工作中常用到的pandas使用技巧,方便更高效地實(shí)現(xiàn)數(shù)據(jù)分析。文章很短,不用收藏就能Get~

        Pandas技巧總結(jié)

        1.計(jì)算變量缺失率

        df=pd.read_csv('titanic_train.csv')
        def missing_cal(df):
        """
        df :數(shù)據(jù)集

        return:每個(gè)變量的缺失率
        """
        missing_series = df.isnull().sum()/df.shape[0]
        missing_df = pd.DataFrame(missing_series).reset_index()
        missing_df = missing_df.rename(columns={'index':'col',
        0:'missing_pct'})
        missing_df = missing_df.sort_values('missing_pct',ascending=False).reset_index(drop=True)
        return missing_df
        missing_cal(df)


        如果需要計(jì)算樣本的缺失率分布,只要加上參數(shù)axis=1


        2.獲取分組里最大值所在的行方法

        分為分組中有重復(fù)值和無重復(fù)值兩種。無重復(fù)值的情況。
        df = pd.DataFrame({'Sp':['a','b','c','d','e','f'], 'Mt':['s1', 's1', 's2','s2','s2','s3'], 'Value':[1,2,3,4,5,6], 'Count':[3,2,5,10,10,6]})
        df

        df.iloc[df.groupby(['Mt']).apply(lambda x: x['Count'].idxmax())]
        先按Mt列進(jìn)行分組,然后對分組之后的數(shù)據(jù)框使用idxmax函數(shù)取出Count最大值所在的列,再用iloc位置索引將行取出。有重復(fù)值的情況
        df["rank"] = df.groupby("ID")["score"].rank(method="min", ascending=False).astype(np.int64)
        df[df["rank"] == 1][["ID", "class"]]

        對ID進(jìn)行分組之后再對分?jǐn)?shù)應(yīng)用rank函數(shù),分?jǐn)?shù)相同的情況會賦予相同的排名,然后取出排名為1的數(shù)據(jù)。


        3.多列合并為一行

        df = pd.DataFrame({'id_part':['a','b','c','d'], 'pred':[0.1,0.2,0.3,0.4], 'pred_class':['women','man','cat','dog'], 'v_id':['d1','d2','d3','d1']})

        df.groupby(['v_id']).agg({'pred_class': [', '.join],'pred': lambda x: list(x),
        'id_part': 'first'}).reset_index()


        4.刪除包含特定字符串所在的

        df = pd.DataFrame({'a':[1,2,3,4], 'b':['s1', 'exp_s2', 's3','exps4'], 'c':[5,6,7,8], 'd':[3,2,5,10]})
        df[df['b'].str.contains('exp')]

        5.組內(nèi)排序

        df = pd.DataFrame([['A',1],['A',3],['A',2],['B',5],['B',9]], columns = ['name','score'])
        介紹兩種高效地組內(nèi)排序的方法。
        df.sort_values(['name','score'], ascending = [True,False])
        df.groupby('name').apply(lambda x: x.sort_values('score', ascending=False)).reset_index(drop=True)

        6.選擇特定類型的列

        drinks = pd.read_csv('data/drinks.csv')
        # 選擇所有數(shù)值型的列
        drinks.select_dtypes(include=['number']).head()
        # 選擇所有字符型的列
        drinks.select_dtypes(include=['object']).head()
        drinks.select_dtypes(include=['number','object','category','datetime']).head()
        # 用 exclude 關(guān)鍵字排除指定的數(shù)據(jù)類型
        drinks.select_dtypes(exclude=['number']).head()

        7.字符串轉(zhuǎn)換為數(shù)值

        df = pd.DataFrame({'列1':['1.1','2.2','3.3'],
        '列2':['4.4','5.5','6.6'],
        '列3':['7.7','8.8','-']})
        df
        df.astype({'列1':'float','列2':'float'}).dtypes
        用這種方式轉(zhuǎn)換第三列會出錯(cuò),因?yàn)檫@列里包含一個(gè)代表 0 的下劃線,pandas 無法自動判斷這個(gè)下劃線。為了解決這個(gè)問題,可以使用 to_numeric() 函數(shù)來處理第三列,讓 pandas 把任意無效輸入轉(zhuǎn)為 NaN。
        df = df.apply(pd.to_numeric, errors='coerce').fillna(0)

        8.優(yōu)化 DataFrame 對內(nèi)存的占用

        方法一:只讀取切實(shí)所需的列,使用usecols參數(shù)

        cols = ['beer_servings','continent']
        small_drinks = pd.read_csv('data/drinks.csv', usecols=cols)
        方法二:把包含類別型數(shù)據(jù)的 object 列轉(zhuǎn)換為 Category 數(shù)據(jù)類型,通過指定 dtype 參數(shù)實(shí)現(xiàn)。
        dtypes ={'continent':'category'}
        smaller_drinks = pd.read_csv('data/drinks.csv',usecols=cols, dtype=dtypes)

        9.根據(jù)最大的類別篩選 DataFrame

        movies = pd.read_csv('data/imdb_1000.csv')
        counts = movies.genre.value_counts()
        movies[movies.genre.isin(counts.nlargest(3).index)].head()

        10.把字符串分割為多列

        df = pd.DataFrame({'姓名':['張 三','李 四','王 五'],
        '所在地':['北京-東城區(qū)','上海-黃浦區(qū)','廣州-白云區(qū)']})
        df
        df.姓名.str.split(' ', expand=True)

        11.把 Series 里的列表轉(zhuǎn)換為 DataFrame

        df = pd.DataFrame({'列1':['a','b','c'],'列2':[[10,20], [20,30], [30,40]]})
        df

        df_new = df.列2.apply(pd.Series)
        pd.concat([df,df_new], axis='columns')

        12.用多個(gè)函數(shù)聚合

        orders = pd.read_csv('data/chipotle.tsv', sep='\t')
        orders.groupby('order_id').item_price.agg(['sum','count']).head()

        13.分組聚合

        import pandas as pd
        df = pd.DataFrame({'key1':['a', 'a', 'b', 'b', 'a'],
        'key2':['one', 'two', 'one', 'two', 'one'],
        'data1':np.random.randn(5),
        'data2':np.random.randn(5)})
        df

        for name, group in df.groupby('key1'):
        print(name)
        print(group)

        dict(list(df.groupby('key1')))
        通過字典或Series進(jìn)行分組
        people = pd.DataFrame(np.random.randn(5, 5),
        columns=['a', 'b', 'c', 'd', 'e'],
        index=['Joe', 'Steve', 'Wes', 'Jim', 'Travis'])
        mapping = {'a':'red', 'b':'red', 'c':'blue',
        'd':'blue', 'e':'red', 'f':'orange'}
        by_column = people.groupby(mapping, axis=1)
        by_column.sum()



        瀏覽 24
        點(diǎn)贊
        評論
        收藏
        分享

        手機(jī)掃一掃分享

        分享
        舉報(bào)
        評論
        圖片
        表情
        推薦
        點(diǎn)贊
        評論
        收藏
        分享

        手機(jī)掃一掃分享

        分享
        舉報(bào)
        1. <strong id="7actg"></strong>
        2. <table id="7actg"></table>

        3. <address id="7actg"></address>
          <address id="7actg"></address>
          1. <object id="7actg"><tt id="7actg"></tt></object>
            男ji大巴进入女人的网站 | 日本免费黄色电影网站 | 成人午夜免费观看视频入口 | 国产精品免费区二区三区观看四虎 | 爱搞搞网 | 久久综合无码内射国产 | 婬乱丰满熟妇XXXXX 性 | 国产精品高清网站 | 一级黄色免费视频 | 日韩精品片一区二区三区电影成人 |