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()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()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
  • 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 ...
  • 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 ...
  • 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 ...
  • // abort(); exit(0); ...
  • 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 ...
  • 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()) ...
  • 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 ...
  • 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 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 ...
  • 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 ...
  • 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 ...
  • 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. ...
  • 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。 ...
  • 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 ...
  • 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, ...
  • 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 ...
  • 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 ...