Pandas 라이브러리에 도입된 DataFrame의 기본 작업

빈 문자를 삭제목록하는 방법은 무엇입니까?
가장 간단한 방법: new_list = [ x for x in li if x != '' ]

---

오늘은 5월 1일이다.

이 부분에서는 앞선 두 가지 데이터 구조를 기반으로 팬더의 기본 연산을 주로 연구합니다.

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. 데이터 보기(객체 를 보는 방법은 시리즈에도 적용 가능)

1. 또는 DataFrame 라인 xx
a=DataFrame(data);
a.head(6) 뒤는 head에 매개변수가 없는 경우 데이터의 처음 6개 행을 표시한다는 의미입니다. (), 모든 데이터가 표시됩니다.
a.tail(6)은 데이터의 마지막 6개 행을 표시한다는 의미입니다. tail()에 매개변수가 없으면 모든 데이터가 표시됩니다.

2. DataFrame의 인덱스, 열 및 값을 봅니다.
a.index; a.values; 🎜>3.describe()

함수

빠른 데이터 통계 요약a.describe()는 데이터의 각 열(개수, 평균, 표준점, 각 분위수 등)에 대한 통계를 수행합니다. .
4. 데이터 전치

a.T
5. 축 정렬

a. _index(axis=1,ascend
ing=False);여기서 axis=1은 의 모든 열 정렬을 의미하며 다음 숫자도 이에 따라 이동합니다. 다음 ascending=False는 내림차순으로 정렬한다는 의미이며, 매개변수가 누락된 경우 기본값은 오름차순입니다.
6. DataFrame의 값을 정렬합니다.

a.sort(columns='x')

즉, a의 x 열을 작은 것부터 정렬합니다. 크기가 큰 . x 열만 해당되며 위의 축별 정렬은 모든 열에 대해 작동합니다. 2. 객체 선택

1. 특정 열과 행의 데이터를 선택합니다.

a['x'] 그러면 열이 x인 열은 반환됨,

이 메서드는 한 번에 하나의 열만 반환할 수 있습니다. a.x는 a['x']와 같은 의미입니다.
행 데이터를 가져오고 []를 분할하여 을 선택합니다. 예를 들어 a[0:3]은 처음 세 행의 데이터를 반환합니다.

2.loc는 태그를 통해 데이터를 선택합니다.

a.loc['one']은 기본적으로

동작 'one'이 있는 행이 선택되었음을 나타냅니다. ;
a.loc[:,['a','b'] ]는 열이 a와 b인 모든 행과 열을 선택하는 것을 의미합니다. a.loc[['one' ,'two'],['a','b']]는 'one'과 'two'라는 두 행과 a와 b인 열을 선택하는 것을 의미합니다.

a.loc['one; ' ,'a'] 는 a.loc[['one'],['a']] 와 동일한 효과를 가지지만 전자는 해당 값만 표시하고 후자는 해당 행 및 열 레이블을 표시합니다.

3.iloc은 위치별로 직접 데이터를 선택합니다

레이블별로 선택하는 것과 비슷합니다

a.iloc[1:2,1:2]가 표시됩니다. 첫 번째 행과 첫 번째 열에서; (슬라이스 이후의 값을 얻을 수 없음) a.iloc[1:2]는 후속 열에 값이 없을 때
행을 의미합니다. position은 기본적으로 1로 선택되어 있습니다. data
;

a.iloc[[0,2],[1,2]]는 행 위치와 열 위치에 해당하는 데이터를 자유롭게 선택할 수 있다는 의미입니다. .

4. 조건을 사용하여 선택

별도의 열을 사용하여 데이터 선택 a[a.c>0]은 c 열 선택을 의미합니다. 0보다 큼
데이터 선택 위치 사용a[a>0] 테이블에서 0보다 큰 모든 데이터를 직접 선택

isin()을 사용하여 특정

행 선택

a1=a.

copy()a1[a1['one'].isin(['2','3']) 열에 특정 값이 포함되어 있음 ] 표에는 조건을 충족하는 모든 행이 표시됩니다. 첫 번째 열의 값에는 '2', '3'이 포함됩니다.
3. 설정값(할당)
위의 선택 연산을 바탕으로 할당 연산을 직접 할당할 수 있습니다.

예 a.loc[:,['a','c']]=9는 a 및 c 열의 모든 행에 있는 값을 9로 설정한다는 의미입니다

a.iloc[:,[1, 3] ]=9는 a열과 c열의 모든 행에 있는 값을 9로 설정한다는 의미이기도 합니다

동시에 조건을 사용하여 값을 직접 할당할 수도 있습니다
a[ a>0]=-a 에 a를 설정한다는 의미 0보다 큰 모든 숫자는 음수값으로 변환됩니다. ​​

4. 누락된 값 처리

pandas에서는 np.nan을 사용하여 교체합니다. 누락된 값은 기본적으로 계산에 포함되지 않습니다.

1.reindex() 메소드

는 지정된 축

의 인덱스 를
변경/추가/삭제하는 데 사용됩니다. 원본 데이터의 사본이 반환됩니다. a.reindex(index=list(a.index)+['five'],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'])

       

위 내용은 Pandas 라이브러리에 도입된 DataFrame의 기본 작업의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!