Pandas-Tipps zum effizienten Abrufen von Daten durch Indizierung in DataFrame

Verwandte Lernempfehlungen: Python-Tutorial

Heute ist der dritte Artikel zum Thema Pandas-Datenverarbeitung. Sprechen wir über Indizes in DataFrame.

Im vorherigen Artikel haben wir die Verwendung einiger häufig verwendeter Indizes in der DataFrame-Datenstruktur vorgestellt, z. B. iloc, loc, logische Indizes usw. Werfen wir im heutigen Artikel einen Blick auf einige „grundlegende Vorgänge“ von DataFrame.

DatenausrichtungWir können die Summe zweier DataFrames berechnen.

pandas richtet die beiden DataFrames automatisch aus

. Wenn die Daten nicht übereinstimmen, werden sie auf Nan (keine Zahl) gesetzt. Zuerst erstellen wir zwei DataFrames:

import numpy as npimport pandas as pddf1 = pd.DataFrame(np.arange(9).reshape((3, 3)), columns=list('abc'), index=['1', '2', '3'])df2 = pd.DataFrame(np.arange(12).reshape((4, 3)), columns=list('abd'), index=['2', '3', '4', '5'])复制代码

Das Ergebnis stimmt mit dem überein, was wir uns vorgestellt haben. Tatsächlich müssen wir lediglich

den DataFrame über das Numpy-Array erstellen und dann den Index und die Spalten angeben grundlegende Verwendung.

Dann fügen wir die beiden DataFrames hinzu und erhalten:

Wir haben festgestellt, dass nach dem Hinzufügen und Zusammenführen der beiden DataFrames durch Pandas Jede Position, die nicht in beiden DataFrames erscheint, auf Nan gesetzt wird

. Das macht tatsächlich Sinn, nicht nur die Addition, sondern wir können auch die vier arithmetischen Operationen Addition, Subtraktion, Multiplikation und Division zweier DataFrames berechnen. Wenn Sie die Division zweier DataFrames berechnen, werden zusätzlich zu den Daten, die nicht damit übereinstimmen, auf Nan gesetzt, und das Verhalten der Division durch Null führt auch zum Auftreten von Ausreißern (muss nicht unbedingt Nan sein, aber inf).

fill_value

Wenn wir mit zwei DataFrames arbeiten, dann wollen wir natürlich keine Nullwerte. Zu diesem Zeitpunkt müssen wir die Nullwerte eingeben, um Operationen direkt auszuführen. Zu diesem Zeitpunkt müssen wir die für uns bereitgestellte arithmetische Methode verwenden.

Es gibt mehrere häufig verwendete Operatoren in DataFrame:

Wir alle verstehen add, sub und p sehr gut. Was bedeuten die Methoden radd und rsub hier? Warum steht ein r davor?

Es scheint verwirrend, aber um es ganz klar auszudrücken: Radd ist es gewohnt, Parameter umzudrehen. Wenn wir beispielsweise den Kehrwert aller Elemente im DataFrame erhalten möchten, können wir ihn als 1/df schreiben. Da 1 selbst kein DataFrame ist, können wir 1 nicht zum Aufrufen von Methoden im DataFrame verwenden und keine Parameter übergeben. Um diese Situation zu lösen, können wir 1/df als df.rp(1) schreiben, sodass wir Sie können darin Parameter übergeben.

Da bei der Divisionsberechnung eine Division durch Null erfolgt, erhalten wir ein inf, das die Unendlichkeit darstellt.

Wir können in den Methoden add und p einen fill_value-Parameter übergeben. Dieser Parameter kann verwendet werden, um die fehlenden Werte auf einer Seite vor der Berechnung auszufüllen

. Das heißt, die Position, die nur in einem DataFrame fehlt, wird durch den von uns angegebenen Wert ersetzt. Wenn sie in beiden DataFrames fehlt, ist sie immer noch Nan.

Wir können die Ergebnisse vergleichen und feststellen, dass die Positionen von (1, d), (4, c) und (5, c) nach der Addition alle Nan sind, da dies die beiden DataFrames von df1 und df2 sind. Die Stellen sind alle leer, also nicht besetzt.

fill_value Dieser Parameter erscheint in vielen APIs

, z. B. bei der Neuindizierung usw. Die Verwendung ist dieselbe. Wir können darauf achten, wenn wir die API-Dokumentation überprüfen.

Was machen wir also mit solch einem leeren Wert, der nach dem Ausfüllen immer noch erscheint? Kann ich diese Standorte nur manuell finden und ausfüllen? Natürlich ist es unrealistisch, dass Pandas uns auch eine API zur Verfügung stellt, die speziell Nullwerte löst.

Nullwert-APIBevor wir den Nullwert füllen, müssen wir als Erstes den Nullwert finden

. Um dieses Problem zu lösen, haben wir die isna-API, die einen boolschen DataFrame zurückgibt. Jede Position im DataFrame gibt an, ob die Position, die dem ursprünglichen DataFrame entspricht, ein Nullwert ist.

dropna

Natürlich reicht es nicht aus, nur herauszufinden, ob ein Nullwert angezeigt wird. Zu diesem Zeitpunkt können wir uns dafür entscheiden, ihn zu löschen der Nullwert. Für diese Situation können wir die Dropna-Methode in DataFrame verwenden.

Wir haben festgestellt, dass nach der Verwendung von dropna

Zeilen mit Nullwerten verworfen wurden. Nur Zeilen ohne Nullwerte werden beibehalten. Manchmal möchten wir die Spalten anstelle von Zeilen verwerfen. Dies können wir durch die Übergabe des Achsenparameters steuern.

Auf diese Weise erhalten wir eine Spalte, die keine Nullwerte enthält. Zusätzlich zur Steuerung der Zeilen und Spalten können wir auch die Strenge der Drop-Ausführung steuern. Wir können anhand des How-Parameters beurteilen, wie zwei zu übergebende Werte unterstützt werden, einer ist „all“ und der andere ist „any“. „Alle“ bedeutet, dass es nur verworfen wird, wenn eine bestimmte Zeile oder Spalte ausschließlich Nullwerte enthält. Entsprechend bedeutet „Alle“, dass es verworfen wird, solange Nullwerte angezeigt werden. Wenn es nicht standardmäßig ausgefüllt ist, wird es als „jeder“ betrachtet. Unter normalen Umständen verwenden wir diesen Parameter nicht und es reicht aus, einen Eindruck zu haben.

fillnaNeben dem Löschen von Daten mit Nullwerten können Pandas natürlich auch zum Füllen von Nullwerten verwendet werden

. Tatsächlich ist dies auch die am häufigsten verwendete Methode.

Wir können einfach einen bestimmten Wert zum Füllen übergeben:

fillna gibt einen neuen DataFrame zurück

, in dem alle Nan-Werte durch die von uns angegebenen Werte ersetzt werden. Wenn wir nicht möchten, dass ein neuer DataFrame zurückgegeben wird, sondern die Originaldaten direkt geändert werden, können wir den Inplace-Parameter verwenden, um anzugeben, dass es sich um eine Inplace-Operation handelt. Dann ändert Pandas den ursprünglichen DataFrame.

df3.fillna(3, inplace=True)复制代码

除了填充具体的值以外，我们也可以和一些计算结合起来算出来应该填充的值。比如说我们可以计算出某一列的均值、最大值、最小值等各种计算来填充。fillna这个函数不仅可以使用在DataFrame上，也可以使用在Series上，所以我们可以针对DataFrame中的某一列或者是某些列进行填充：

除了可以计算出均值、最大最小值等各种值来进行填充之外，还可以指定使用缺失值的前一行或者是后一行的值来填充。实现这个功能需要用到method这个参数，它有两个接收值，ffill表示用前一行的值来进行填充，bfill表示使用后一行的值填充。

我们可以看到，当我们使用ffill填充的时候，对于第一行的数据来说由于它没有前一行了，所以它的Nan会被保留。同样当我们使用bfill的时候，最后一行也无法填充。

总结

今天的文章当中我们主要介绍了DataFrame的一些基本运算，比如最基础的四则运算。在进行四则运算的时候由于DataFrame之间可能存在行列索引不能对齐的情况，这样计算得到的结果会出现空值，所以我们需要对空值进行处理。我们可以在进行计算的时候通过传入fill_value进行填充，也可以在计算之后对结果进行fillna填充。

在实际的运用当中，我们一般很少会直接对两个DataFrame进行加减运算，但是DataFrame中出现空置是家常便饭的事情。因此对于空值的填充和处理非常重要，可以说是学习中的重点，大家千万注意。

想了解更多编程学习，敬请关注php培训栏目！

Das obige ist der detaillierte Inhalt vonPandas-Tipps zum effizienten Abrufen von Daten durch Indizierung in DataFrame. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!