Pandas 常見的基本方法

来源:http://www.cnblogs.com/shiyanlou/archive/2017/11/01/7765509.html
-Advertisement-
Play Games

說明：文章所有內容均截選自實驗樓教程 "【Pandas 使用教程】" ，想要查看教程完整內容，點擊教程即可~ 前言： Pandas 是非常著名的開源數據處理工具，我們可以通過它對數據集進行快速讀取、轉換、過濾、分析等一系列操作。除此之外，Pandas 擁有強大的缺失數據處理與數據透視功能，可謂是數據 ...


說明：文章所有內容均截選自實驗樓教程【Pandas 使用教程】，想要查看教程完整內容，點擊教程即可~

前言：

Pandas 是非常著名的開源數據處理工具，我們可以通過它對數據集進行快速讀取、轉換、過濾、分析等一系列操作。除此之外，Pandas 擁有強大的缺失數據處理與數據透視功能，可謂是數據預處理中的必備利器。文章帶你學會 Pandas 中的一些常用的基本方法。

知識點：

  • 數據讀取與存儲
  • Head & Tail
  • 統計方法
  • 計算方法
  • 標簽對齊
  • 排序

數據文件：

學習本課程之前，請先打開線上環境終端，下載本文可能會用到的兩個數據文件。

wget http://labfile.oss.aliyuncs.com/courses/906/los_census.csv
wget http://labfile.oss.aliyuncs.com/courses/906/los_census.txt

兩個文件均為為洛杉磯人口普查數據，僅格式有區別。

下麵的內容均在 iPython 互動式終端中演示，你可以通過線上環境左下角的應用程式菜單 > 附件打開。如果你在本地進行練習，推薦使用 Jupyter Notebook 環境。

Pandas 常見的基本方法

1 數據讀取與存儲

Pandas 支持大部分常見數據文件讀取與存儲。一般清楚下，讀取文件的方法以 pd.read_ 開頭，而寫入文件的方法以 pd.to_ 開頭。詳細的表格如下。

此處輸入圖片的描述

拿剛剛下載好的數據文件舉例，如果沒有下載，請看文章開頭的數據文件的獲取方法。

import pandas as pd

df = pd.read_csv("los_census.csv") #讀取 csv 文件
print df

此處輸入圖片的描述

可以看到，文件已經讀取出來了。由於列數太多，所以分段顯示了。輸出的最下方會有一個行數和列數的統計。這裡是 319 行 X 7 列。

此處輸入圖片的描述

我們可以發現，由 pandas 讀取的文件就已經是 DataFrame 結構了。上面演示了 csv 文件的讀取，其餘格式的文件也很相似。

不過，很多時候我們拿到手的數據是像 los_census.txt 文件樣式的數據，如下圖所示。

import pandas as pd

df = pd.read_table("los_census.txt") #讀取 txt 文件
print df

此處輸入圖片的描述

其實 los_census.txt 也就是 los_census.csv 文件，因為 csv 文件又叫逗號分隔符文件，數據之間採用逗號分割。

那麼，我們怎樣將這種文件轉換為 DataFrame 結構的數據呢？這裡就要使用到讀取方法中提供的一些參數了，例如 sep[] 分隔符參數。

import pandas as pd

df = pd.read_table("los_census.txt", sep=',') #讀取 txt 文件
print df

此處輸入圖片的描述

除了 sep，讀取文件時常用的參數還有：

  1. header=，用來選擇將第幾行作為列索引名稱。
  2. names=[]，自定義列索引名稱。

例如：

import pandas as pd

df = pd.read_csv("los_census.csv", header=1 ) #將第二行作為列索引名稱。
print df

此處輸入圖片的描述

import pandas as pd

df = pd.read_csv("los_census.csv", names=['A', 'B', 'C', 'D', 'E', 'F', 'G']) #自定義列索引名稱。
print df

此處輸入圖片的描述

好了，說了這麼久的讀取文件，再說一說存儲文件。存儲文件的方法也很簡單。比如我們將 los_census.csv 文件，存儲為 json 格式的文件。

import pandas as pd

df = pd.read_csv("los_census.csv")  #讀取 csv 文件

df.to_json("1.json") # 將其存儲為 json 格式文件

此處輸入圖片的描述

當然，你也可以通過 to_excel("1.xlsx") 儲存為 Excel 預設支持的 .xlsx 格式。只是，需要註意線上環境會報錯。這時候需要再補充安裝 openpyxl 包就好了：

sudo pip install openpyxl

2 Head & Tail

有些時候，我們讀取的文件很大。如果全部輸出預覽這些文件，既不美觀，又很耗時。還好，Pandas 提供了 head() 和 tail() 方法，它可以幫助我們只預覽一小塊數據。

顧名思義，head() 方法就是從數據集開頭預覽，不帶參數預設顯示頭部的 5 條數據，你也可以自定義顯示條數。

import pandas as pd

df = pd.read_csv("los_census.csv")  #讀取 csv 文件

print df.head() # 預設顯示前 5 條
print df.head(7) # 顯示前 7 條

此處輸入圖片的描述

此處輸入圖片的描述

tail() 方法就是從數據集尾部開始顯示了，同樣預設 5 條，可自定義。

import pandas as pd

df = pd.read_csv("los_census.csv")  #讀取 csv 文件

print df.tail() # 預設顯示後 5 條
print df.tail(7) # 顯示後 7 條

此處輸入圖片的描述
此處輸入圖片的描述

3 統計方法

Pandas 提供了幾個統計和描述性方法，方便你從巨集觀的角度去瞭解數據集。

1）. describe()

describe() 相當於對數據集進行概覽，會輸出該數據集的計數、最大值、最小值等。

import pandas as pd

df = pd.read_csv("los_census.csv")  #讀取 csv 文件

print df.describe()

此處輸入圖片的描述

例如上面，針對一個 DataFrame 會對每一列的數據單獨統計。
2）. idxmin() & idxmax()
idxmin() 和 idxmax() 會計算最小、最大值對應的索引標簽。

import pandas as pd

df = pd.read_csv("los_census.csv")  #讀取 csv 文件

print df.idxmin()
print df.idxmax()

此處輸入圖片的描述
3）. count()
count() 用於統計非空數據的數量。

import pandas as pd

df = pd.read_csv("los_census.csv")  #讀取 csv 文件

print df.count()

此處輸入圖片的描述

4）.value_counts()

value_counts() 僅僅針對 Series，它會計算每一個值對應的數量統計。

import pandas as pd
import numpy as np

s = pd.Series(np.random.randint(0, 9, size=100)) # 生成一個 Series，併在 0-9 之間生成 100 個隨機值。

print s
print s.value_counts()

此處輸入圖片的描述

4 計算方法

除了統計類的方法，Pandas 還提供了很多計算類的方法。
1）. sum()
sum() 用於計算數值數據的總和。

import pandas as pd

df = pd.read_csv("los_census.csv")  #讀取 csv 文件

print df.sum()

此處輸入圖片的描述

2）. mean()
mean() 用於計算數值數據的平均值。

import pandas as pd

df = pd.read_csv("los_census.csv")  #讀取 csv 文件

print df.mean()

此處輸入圖片的描述

3）. median()
median() 用於計算數值數據的算術中值。

import pandas as pd

df = pd.read_csv("los_census.csv")  #讀取 csv 文件

print df.median()

此處輸入圖片的描述

除此之外，剩下的一些常見計算方法如下表所示。

此處輸入圖片的描述

5 標簽對齊

索引標簽是 Pandas 中非常重要的特性，有些時候，由於數據的缺失等各種因素導致標簽錯位的現象，或者想匹配新的標簽。於是 Pandas 提供了索引標簽對齊的方法 reindex()。

reindex() 主要有三個作用：

  1. 重新排序現有數據以匹配新的一組標簽。
  2. 在沒有標簽對應數據的位置插入缺失值（NaN）標記。
  3. 特殊情形下，使用邏輯填充缺少標簽的數據（與時間序列數據高度相關）。
import pandas as pd

s = pd.Series(data=[1, 2, 3, 4, 5], index=['a', 'b', 'c', 'd', 'e'])

print s
print s.reindex(['e', 'b', 'f', 'd'])

此處輸入圖片的描述

我們可以看到，重新排列的數據中，原有索引對應的數據能自動匹配，而新索引缺失的數據通過 NaN 補全。

當然，對於 DataFrame 類型的數據也是一樣的。

import pandas as pd

df = pd.DataFrame(data={'one': [1, 2, 3], 'two': [4, 5, 6], 'three': [7, 8, 9]}, index=['a', 'b', 'c'])

print df

此處輸入圖片的描述

print df.reindex(index=['b', 'c', 'a'], columns=['three', 'two', 'one'])

此處輸入圖片的描述

你甚至還可以將上面 Series 的數據按照下麵的 DataFrame 的索引序列對齊。

print s.reindex(df.index)

此處輸入圖片的描述

6 排序

既然是數據處理，就少不了排序這一常用的操作。在 Pandas 中，排序擁有很多「姿勢」，下麵就一起來看一看。

1）. 按索引排序

首先是按照索引排序，其方法為Series.sort_index()或者是DataFrame.sort_index()。

import pandas as pd

df = pd.DataFrame(data={'one': [1, 2, 3], 'two': [4, 5, 6], 'three': [7, 8, 9], 'four': [10, 11, 12]}, index=['a', 'c', 'b'])

print df

此處輸入圖片的描述

下麵按索引對行重新排序：

print df.sort_index()

此處輸入圖片的描述

或者添加參數，進行倒序排列：

print df.sort_index(ascending=False)

此處輸入圖片的描述

2）. 按數值排序
第二種是按照數值排序，其方法為Series.sort_values()或者是DataFrame.sort_values()。舉個例子：

import pandas as pd

df = pd.DataFrame(data={'one': [1, 2, 3, 7], 'two': [4, 5, 6, 9], 'three': [7, 8, 9, 2], 'four': [10, 11, 12, 5]}, index=['a', 'c', 'b','d'])

print df

此處輸入圖片的描述

將第三列按照從小到大排序：


print df.sort_values(by='three')

此處輸入圖片的描述

也可以同時按照兩列：


print df[['one', 'two', 'three', 'four']].sort_values(by=['one','two'])

此處輸入圖片的描述

最後

文章帶你熟悉了 Pandas 中一些基本方法，這些方法是針對數據集操作過程中經常遇到的。當然，由於不可能面面俱到，這裡面提到的方法也只是冰山一角。在數據分析實踐中，還需要多多依據需求查閱官方文檔。

教程【Pandas 使用教程】總共5節，文章截選的是第2節內容，教程列表如下：

  • Pandas 安裝與數據結構
  • Pandas 常用的基本方法
  • Pandas 數據選擇與過濾
  • Pandas 進行缺失值處理
  • Pandas 時間序列分析

您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • iOS開發筆記18：一些編譯、開發調試、打包的細節整理
    1.以鏈庫的方式引用第三方庫 一些特殊場景可能會要求使用鏈庫的方式使用第三方庫，大體設置如下： ①Other Linker Flags里進行設置，格式為-l+庫名稱 ②Libray Search Paths里設置庫的路徑地址，註意使用相對路徑 ③Header Search Paths設置相關頭文件的 ...
  • Kotlin-NavigationView頭部子控制項事件處理
    一 說明： NavigationView頂部導航欄的頭部子控制項事件處理在官方demo中並沒有具體實現，仔細查看文檔發現有一個inflateHeaderView方法，這個是在代碼中動態添加佈局的方法，前提是要在Xml文件中NavigtionView聲明處刪除頭部佈局的引用，否則會出現兩個頭部佈局。 二 ...
  • android 分享一個處理BaseAdapter，getView()多次載入的方法
    一：BaseAdapter介紹 BaseAdapter是listview,gridview等列表，使用的數據適配器，它的主要用途是將一組數據傳到ListView、Spinner、Gallery及GridView等UI顯示組件，如果listView列表的數據項過多，如1000項，我們如果把這1000項 ...
  • iOS----------斷言
    // abort(); exit(0); ...
  • 小程式頂部可滾動導航
    需求是 小程式做頭部做導航分類的效果 頂部用 scroll-view 組件橫向滾動，類似tab選項卡的效果，內容用類似模板方式引用，可重覆利用 ...
  • Android上一個掃描框風格的新手引導庫
    簡介 這是一個掃描框風格的新手引導，效果如上圖。 使用 Gradle 支持特性 目前暫時只支持一個掃描框的引導（多掃描框的在設計） 傳入View對象就會根據它的位置信息生成坐標區域，保存在目標區域中。（所以View對象傳入之後位置有更變的，請在startGuide()前重新調用prepare()） ...
  • 安卓WebView在項目中總結
    一、簡介 在安卓開發中我們會遇到許多處理網頁的功能，以下就是我在實際中用到的分享給大家 1.顯示和渲染Web頁面 2.可和JavaScript交互調用 二、常用的方法 三、與js的交互 四、返回每一層的問題 作者：LeiLei_Tua ...
  • iOS 11更新後以及iPhone X推出後工程中遇到的問題及適配
    1.UITableView滑動時右側的滑動條忽長忽短的亂跳以及MJRefresh上拉刷新死迴圈 這是因為tableView在iOS11預設使用Self-Sizing，tableView的estimatedRowHeight、estimatedSectionHeaderHeight、estimated ...
一周排行
    -Advertisement-
    Play Games
  • 移動開發（一）：使用.NET MAUI開發第一個安卓APP
    移動開發（一）：使用.NET MAUI開發第一個安卓APP 對於工作多年的C#程式員來說，近來想嘗試開發一款安卓APP，考慮了很久最終選擇使用.NET MAUI這個微軟官方的框架來嘗試體驗開發安卓APP，畢竟是使用Visual Studio開發工具，使用起來也比較的順手，結合微軟官方的教程進行了安卓 ...
  • wpf ToggleButton選中效果和一個登錄界面
    前言 QuestPDF 是一個開源 .NET 庫，用於生成 PDF 文檔。使用了C# Fluent API方式可簡化開發、減少錯誤並提高工作效率。利用它可以輕鬆生成 PDF 報告、發票、導出文件等。 項目介紹 QuestPDF 是一個革命性的開源 .NET 庫，它徹底改變了我們生成 PDF 文檔的方 ...
  • 彈幕樹洞項目功能新增篇
    項目地址 項目後端地址： https://github.com/ZyPLJ/ZYTteeHole 項目前端頁面地址： ZyPLJ/TreeHoleVue (github.com) https://github.com/ZyPLJ/TreeHoleVue 目前項目測試訪問地址： http://tree ...
  • 第27篇 sqlserver2022詳細安裝步驟
    話不多說，直接開乾 一.下載 1.官方鏈接下載： https://www.microsoft.com/zh-cn/sql-server/sql-server-downloads 2.在下載目錄中找到下麵這個小的安裝包 SQL2022-SSEI-Dev.exe，運行開始下載SQL server； 二. ...
  • .NET 開源高性能 MQTT 類庫
    前言 隨著物聯網（IoT）技術的迅猛發展，MQTT（消息隊列遙測傳輸）協議憑藉其輕量級和高效性，已成為眾多物聯網應用的首選通信標準。 MQTTnet 作為一個高性能的 .NET 開源庫，為 .NET 平臺上的 MQTT 客戶端與伺服器開發提供了強大的支持。 本文將全面介紹 MQTTnet 的核心功能 ...
  • Serilog文檔翻譯系列（六） - 可用的接收器、增強器、格式化輸出
    Serilog支持多種接收器用於日誌存儲，增強器用於添加屬性，LogContext管理動態屬性，支持多種輸出格式包括純文本、JSON及ExpressionTemplate。還提供了自定義格式化選項，適用於不同需求。 ...
  • 警惕 Visual Studio 屬性求值副作用導致邏輯不符合預期
    目錄簡介獲取 HTML 文檔解析 HTML 文檔測試參考文章 簡介 動態內容網站使用 JavaScript 腳本動態檢索和渲染數據，爬取信息時需要模擬瀏覽器行為，否則獲取到的源碼基本是空的。 本文使用的爬取步驟如下： 使用 Selenium 獲取渲染後的 HTML 文檔 使用 HtmlAgility ...
  • [使用目前最新版]HybridCLR6.9.0+YooAsset2.2.4實現純C# Unity熱更新方案 (一)
    1.前言 什麼是熱更新 游戲或者軟體更新時，無需重新下載客戶端進行安裝，而是在應用程式啟動的情況下，在內部進行資源或者代碼更新 Unity目前常用熱更新解決方案 HybridCLR，Xlua，ILRuntime等 Unity目前常用資源管理解決方案 AssetBundles，Addressable， ...
  • 在 ASP.NET Core Web API 中使用操作篩選器統一處理通用操作
    本文章主要是在C# ASP.NET Core Web API框架實現向手機發送驗證碼簡訊功能。這裡我選擇是一個互億無線簡訊驗證碼平臺，其實像阿裡雲，騰訊雲上面也可以。 首先我們先去 互億無線 https://www.ihuyi.com/api/sms.html 去註冊一個賬號 註冊完成賬號後，它會送 ...
  • 第28篇 如何.net中實現高效可靠數據同步api
    通過以下方式可以高效，並保證數據同步的可靠性 1.API設計 使用RESTful設計，確保API端點明確，並使用適當的HTTP方法（如POST用於創建，PUT用於更新）。 設計清晰的請求和響應模型，以確保客戶端能夠理解預期格式。 2.數據驗證 在伺服器端進行嚴格的數據驗證，確保接收到的數據符合預期格 ...
所有分類