Grundlegende Operationen von DataFrame, eingeführt von der Pandas-Bibliothek

Wie lösche ich Listen leeren Zeichen?
Die einfachste Methode: new_list = [ x for x in li if x != '' ]

---

Heute ist der 1. Mai.

In diesem Teil werden hauptsächlich die grundlegenden Operationen in Pandas basierend auf den beiden vorherigen Datenstrukturen untersucht.

设有DataFrame结果的数据a如下所示：    
       a  b  c
one    4  1  1
two    6  2  0
three  6  1  6

---

1. Daten anzeigen (die Methode zum Anzeigen von Objekten gilt auch für Serien)

1. Zeigen Sie die ersten xx Zeilen an von DataFrame Oder die letzten xx Zeilen
a=DataFrame(data);
a.head(6) bedeutet, dass die ersten 6 Datenzeilen angezeigt werden head() werden alle Daten angezeigt.
a.tail(6) bedeutet, dass die letzten 6 Datenzeilen angezeigt werden. Wenn in tail() keine Parameter vorhanden sind, werden alle Daten angezeigt.

2. Zeigen Sie den Index, die Spalten und die Werte von DataFrame an
a.index a.values ​​​​und dann

3.describe()FunktionFür eine schnelle statistische Zusammenfassung von Daten
a.describe() führt Statistiken für jede Datenspalte durch, einschließlich Anzahl, Mittelwert, Standard, jedes Quantil usw .

4. Transponieren Sie die Daten
a.T

5. Sortieren Sie die Achse
a.sortieren _index(axis=1,ascending=False);
wobei axis=1 bedeutet, alle Spalten von zu sortieren, und die folgenden Zahlen werden ebenfalls entsprechend verschoben. Das folgende aufsteigende = Falsch bedeutet, dass in absteigender Reihenfolge sortiert wird. Wenn der Parameter fehlt, ist die Standardeinstellung die aufsteigende Reihenfolge.

6. Sortieren Sie die Werte im DataFrame
a.sort(columns='x')
Das heißt, sortieren Sie die x-Spalte in a von klein nach groß . Beachten Sie, dass es sich nur um die x-Spalte handelt und die obige Sortierung nach Achse für alle Spalten gilt.

2. Wählen Sie Objekte aus

1. Wählen Sie die Daten bestimmter Spalten und Zeilen aus
a['x'] Dann wird die Spalte sein, deren Spalten x sind zurückgegeben, Beachten Sie, dass diese Methode jeweils nur eine Spalte zurückgeben kann. a.x bedeutet dasselbe wie a['x'].

Zeilendaten abrufen und
durch Aufteilen von [] auswählen. Beispiel: a[0:3] gibt die Daten der ersten drei Zeilen zurück.

2.loc wählt Daten über Tags aus
a.loc['one'] zeigt standardmäßig an, dass die Zeile mit Verhalten 'one' ausgewählt ist ;

a.loc[:,['a','b'] ] bedeutet, dass alle Zeilen und Spalten mit den Spalten a und b ausgewählt werden

a.loc[['one' , 'two'],['a','b']] bedeutet die Auswahl der beiden Zeilen 'one' und 'two' und der Spalten, deren Spalten a und b sind

a.loc['one'; ,'a'] hat die gleiche Wirkung wie a.loc[['one'],['a']], ersteres zeigt jedoch nur den entsprechenden Wert an, während letzteres die entsprechenden Zeilen- und Spaltenbeschriftungen anzeigt.

3.iloc wählt Daten direkt nach Standort aus
Dies ähnelt der Auswahl nach Beschriftung
a.iloc[1:2,1:2] wird angezeigt Die Daten in der ersten Zeile und der ersten Spalte; (der Wert nach dem Slice kann nicht abgerufen werden)

a.iloc[1:2] bedeutet, dass, wenn in der nachfolgenden Spalte kein Wert vorhanden ist, die Zeile Position ist standardmäßig als 1 ausgewählt. Die Daten;

a.iloc[[0,2],[1,2]] bedeuten, dass Sie die Daten entsprechend der Zeilenposition und Spaltenposition frei auswählen können .

4. Verwenden Sie Bedingungen, um
Verwenden Sie eine separate Spalte , um Daten auszuwählen.
a[a.c>0] bedeutet, Spalte c Daten auszuwählen größer als 0

Verwenden Sie where, um Daten auszuwählen
a[a>0] Tabelle wählt direkt alle Daten größer als 0 in a aus

Verwenden Sie isin(), um bestimmte Zeilen auszuwählen enthält bestimmte Werte in der Spalte
a1=a.copy()
a1[a1['one'].isin(['2','3']) ] In der Tabelle werden alle Zeilen angezeigt, die die Bedingung erfüllen: Der Wert in Spalte eins enthält „2“, „3“.

3. Einstellungswert (Zuweisung)

Die Zuweisungsoperation kann basierend auf der obigen Auswahloperation direkt zugewiesen werden.
Beispiel a.loc[:,['a','c']]=9 bedeutet, dass die Werte in allen Zeilen der Spalten a und c auf 9 gesetzt werden
a.iloc[:,[1, 3] ]=9 bedeutet auch, die Werte in allen Zeilen der Spalten a und c auf 9 zu setzen

Gleichzeitig können Sie weiterhin Bedingungen verwenden, um Werte direkt zuzuweisen
a[ a>0]=-a bedeutet, a zu setzen. Alle Zahlen größer als 0 werden in negative Werte umgewandelt

4. Verarbeitung fehlender Werte

Verwenden Sie in Pandas np.nan zum Ersetzen Fehlende Werte werden standardmäßig nicht in die Berechnung einbezogen.

1.reindex()-Methode
wird verwendet, um den Index auf der angegebenen Achse zu ändern/hinzufügen/zu löschen, dies A Eine Kopie der Originaldaten wird zurückgegeben.
a.reindex(index=list(a.index)+['fünf'],columns=list(a.columns)+['d'])

a.reindex(index=['one','five'],columns=list(a.columns)+['d'])

即用index=[]表示对index进行操作，columns表对列进行操作。

2.对缺失值进行填充
a.fillna(value=x)
表示用值为x的数来对缺失值进行填充

3.去掉包含缺失值的行
a.dropna(how='any')
表示去掉所有包含缺失值的行

五、合并

1.contact
contact(a1,axis=0/1，keys=['xx','xx','xx',...])，其中a1表示要进行进行连接的列表数据,axis=1时表横着对数据进行连接。axis=0或不指定时，表将数据竖着进行连接。a1中要连接的数据有几个则对应几个keys，设置keys是为了在数据连接以后区分每一个原始a1中的数据。

例：a1=[b['a'],b['c']]
result=pd.concat(a1,axis=1，keys=['1','2'])

2.Append 将一行或多行数据连接到一个DataFrame上
a.append(a[2:],ignore_index=True)
表示将a中的第三行以后的数据全部添加到a中，若不指定ignore_index参数，则会把添加的数据的index保留下来，若ignore_index=Ture则会对所有的行重新自动建立索引。

3.merge类似于SQL中的join
设a1,a2为两个dataframe,二者中存在相同的键值，两个对象连接的方式有下面几种：
(1)内连接，pd.merge(a1, a2, on='key')
(2)左连接，pd.merge(a1, a2, on='key', how='left')
(3)右连接，pd.merge(a1, a2, on='key', how='right')
(4)外连接， pd.merge(a1, a2, on='key', how='outer')
至于四者的具体差别，具体学习参考sql中相应的语法。

六、分组（groupby）

用pd.date_range函数生成连续指定天数的的日期
pd.date_range('20000101',periods=10)

def shuju():
    data={
        'date':pd.date_range('20000101',periods=10),
        'gender':np.random.randint(0,2,size=10),
        'height':np.random.randint(40,50,size=10),
        'weight':np.random.randint(150,180,size=10)
    }
a=DataFrame(data)
print(a)
        date  gender  height  weight
0 2000-01-01       0      47     165
1 2000-01-02       0      46     179
2 2000-01-03       1      48     172
3 2000-01-04       0      45     173
4 2000-01-05       1      47     151
5 2000-01-06       0      45     172
6 2000-01-07       0      48     167
7 2000-01-08       0      45     157
8 2000-01-09       1      42     157
9 2000-01-10       1      42     164

用a.groupby('gender').sum()得到的结果为：  #注意在python中groupby(''xx)后要加sum()，不然显示
不了数据对象。
gender     height  weight               
0           256     989
1           170     643

此外用a.groupby('gender').size()可以对各个gender下的数目进行计数。

所以可以看到groupby的作用相当于：
按gender对gender进行分类，对应为数字的列会自动求和，而为字符串类型的列则不显示；当然也可以同时groupby(['x1','x2',...])多个字段，其作用与上面类似。

七、Categorical按某一列重新编码分类

如六中要对a中的gender进行重新编码分类，将对应的0，1转化为male，female，过程如下：

a['gender1']=a['gender'].astype('category')
a['gender1'].cat.categories=['male','female']  #即将0，1先转化为category类型再进行编码。

 print(a)得到的结果为：
      date    gender  height  weight gender1
0 2000-01-01       1      40     163  female
1 2000-01-02       0      44     177    male
2 2000-01-03       1      40     167  female
3 2000-01-04       0      41     161    male
4 2000-01-05       0      48     177    male
5 2000-01-06       1      46     179  female
6 2000-01-07       1      42     154  female
7 2000-01-08       1      43     170  female
8 2000-01-09       0      46     158    male
9 2000-01-10       1      44     168  female

所以可以看出重新编码后的编码会自动增加到dataframe最后作为一列。

八、相关操作

描述性统计：
1.a.mean()  默认对每一列的数据求平均值；若加上参数a.mean(1)则对每一行求平均值；

2.统计某一列x中各个值出现的次数：a['x'].value_counts()；

3.对数据应用函数
a.apply(lambda x:x.max()-x.min())
表示返回所有列中最大值-最小值的差。

4.字符串相关操作
a['gender1'].str.lower()  将gender1中所有的英文大写转化为小写，注意dataframe没有str属性，只有series有，所以要选取a中的gender1字段。

九、时间序列

在六中用pd.date_range('xxxx',periods=xx,freq='D/M/Y....')函数生成连续指定天数的的日期列表。
例如pd.date_range('20000101',periods=10),其中periods表示持续频数；
pd.date_range('20000201','20000210',freq='D')也可以不指定频数，只指定起始日期。

此外如果不指定freq，则默认从起始日期开始，频率为day。其他频率表示如下：

1.png

十、画图(plot)

在pycharm中首先要：import matplotlib.pyplot as plt
a=Series(np.random.randn(1000),index=pd.date_range('20100101',periods=1000))
b=a.cumsum()
b.plot()
plt.show()    #最后一定要加这个plt.show()，不然不会显示出图来。

2.PNG

也可以使用下面的代码来生成多条时间序列图：

a=DataFrame(np.random.randn(1000，4),index=pd.date_range('20100101',periods=1000),columns=list('ABCD'))
b=a.cumsum()
b.plot()
plt.show()

3.png

十一、导入和导出文件

写入和读取excel文件
虽然写入excel表时有两种写入xls和csv，但建议少使用csv，不然在表中调整数据格式时，保存时一直询问你是否保存新格式，很麻烦。而在读取数据时，如果指定了哪一张sheet，则在pycharm又会出现格式不对齐。

还有将数据写入表格中时，excel会自动给你在表格最前面增加一个字段，对数据行进行编号。

a.to_excel(r'C:\\Users\\guohuaiqi\\Desktop\\2.xls',sheet_name='Sheet1')    

a=pd.read_excel(r'C:\\Users\\guohuaiqi\\Desktop\\2.xls','Sheet1',na_values=['NA'])

注意sheet_name后面的Sheet1中的首字母大写；读取数据时，可以指定读取哪一张表中的数据，而
且对缺失值补上NA。

最后再附上写入和读取csv格式的代码：
a.to_csv(r'C:\\Users\\guohuaiqi\\Desktop\\1.csv'，sheet_name='Sheet1')
a=pd.read_csv(r'C:\\Users\\guohuaiqi\\Desktop\\1.csv',na_values=['NA'])

       

Das obige ist der detaillierte Inhalt vonGrundlegende Operationen von DataFrame, eingeführt von der Pandas-Bibliothek. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!