相關學習推薦:python教學
#Python 是開源的,它很棒,但也無法避免開源的一些固有問題:很多包都在做(或在嘗試做)同樣的事情。如果你是 Python 新手,那麼你很難知道某個特定任務的最佳套件是哪個,你需要有經驗的人告訴你。有一個用於資料科學的包絕對是必需的,它就是 pandas。
pandas 最有趣的地方在於裡面隱藏了許多包包。它是一個核心包,裡面有很多其他包的功能。這點很棒,因為你只需要使用 pandas 就可以完成工作。
pandas 相當於 python 中 excel:它使用表格(也就是 dataframe),能在資料上做各種變換,但還有其他很多功能。
如果你早已熟知 python 的使用,可以直接跳到第三段。
讓我們開始吧:
import pandas as pd复制代码
別問為什麼是「pd」而不是「p」,就是這樣。用就行了:)
讀取資料
data = pd.read_csv( my_file.csv ) data = pd.read_csv( my_file.csv , sep= ; , encoding= latin-1 , nrows=1000, skiprows=[2,5])复制代码
sep 代表的是分隔符號。如果你在使用法語數據,excel 中 csv 分隔符號是“;”,因此你需要明確地指定它。編碼設定為 latin-1 來讀取法文字元。 nrows=1000 表示讀取前 1000 行資料。 skiprows=[2,5] 表示你在讀取檔案的時候會移除第 2 行和第 5 行。
最常用的功能:read_csv, read_excel
#其他一些很棒的功能:read_clipboard, read_sql
#寫入資料
data.to_csv( my_new_file.csv , index=None)复制代码
index=None 表示將會以資料原本的樣子寫入。如果你沒有寫 index=None,你會多出一個第一列,內容是 1,2,3,...,一直到最後一行。
我通常不會去使用其他的函數,像.to_excel, .to_json, .to_pickle 等等,因為.to_csv 就能很好地完成工作,並且 csv 是最常用的表格保存方式。
檢查資料
#Gives (#rows, #columns)复制代码
給予行數和列數
data.describe()复制代码
計算基本的統計資料
查看資料
data.head(3)复制代码
列印出資料的前3 行。與之類似,.tail() 對應的是資料的最後一行。
data.loc[8]复制代码
印出第八行
data.loc[8, column_1 ]复制代码
列印第八行名為「column_1」的欄位
data.loc[range(4,6)]复制代码
第四到第六行(左閉右開)的資料子集
邏輯運算
data[data[ column_1 ]== french ] data[(data[ column_1 ]== french ) & (data[ year_born ]==1990)] data[(data[ column_1 ]== french ) & (data[ year_born ]==1990) & ~(data[ city ]== London )]复制代码
透過邏輯運算來取資料子集。要使用 & (AND)、 ~ (NOT) 和 | (OR),必須在邏輯運算前後加上「and」。
data[data[ column_1 ].isin([ french , english ])]复制代码
除了可以在同一列使用多個 OR,你還可以使用.isin() 函數。
基本繪圖
matplotlib 套件讓這項功能成為可能。正如我們在介紹中所說,它可以直接在 pandas 中使用。
data[ column_numerical ].plot()复制代码
().plot() 輸出的範例
data[ column_numerical ].hist()复制代码
畫出資料分佈(直方圖)
.hist() 輸出的範例
%matplotlib inline复制代码
如果你在使用Jupyter,不要忘記在畫圖之前加上以上程式碼。
更新資料
data.loc[8, column_1 ] = english 将第八行名为 column_1 的列替换为「english」复制代码
data.loc[data[ column_1 ]== french , column_1 ] = French复制代码
在一行程式碼中改變多列的值
好了,現在你可以做一些在excel 中可以輕鬆訪問的事情了。以下讓我們深入研究 excel 中無法實現的一些令人驚奇的操作。
統計出現的次數
data[ column_1 ].value_counts()复制代码
#.value_counts() 函數輸出範例
在所有的行、列或全資料上進行操作
data[ column_1 ].map(len)复制代码len() 函數被應用在了「column_1」列中的每一個元素上#.map() 運算給一列中的每一個元素應用一個函數
data[ column_1 ].map(len).map(lambda x: x/100).plot()复制代码pandas 的一個很好的功能就是鍊式方法(tomaugspurger.github.io/method-chai… 和.plot( ))。
data.apply(sum)复制代码.apply() 會為一個欄位套用一個函數。
.applymap() 會為表格 (DataFrame) 中的所有單元套用一個函數。
###tqdm, 唯一的#######在处理大规模数据集时,pandas 会花费一些时间来进行.map()、.apply()、.applymap() 等操作。tqdm 是一个可以用来帮助预测这些操作的执行何时完成的包(是的,我说谎了,我之前说我们只会使用到 pandas)。
from tqdm import tqdm_notebook tqdm_notebook().pandas()复制代码
用 pandas 设置 tqdm
data[ column_1 ].progress_map(lambda x: x.count( e ))复制代码
用 .progress_map() 代替.map()、.apply() 和.applymap() 也是类似的。
在 Jupyter 中使用 tqdm 和 pandas 得到的进度条
相关性和散射矩阵
data.corr() data.corr().applymap(lambda x: int(x*100)/100)复制代码
.corr() 会给出相关性矩阵
pd.plotting.scatter_matrix(data, figsize=(12,8))复制代码
散点矩阵的例子。它在同一幅图中画出了两列的所有组合。
The SQL 关联
在 pandas 中实现关联是非常非常简单的
data.merge(other_data, on=[ column_1 , column_2 , column_3 ])复制代码
关联三列只需要一行代码
分组
一开始并不是那么简单,你首先需要掌握语法,然后你会发现你一直在使用这个功能。
data.groupby( column_1 )[ column_2 ].apply(sum).reset_index()复制代码
按一个列分组,选择另一个列来执行一个函数。.reset_index() 会将数据重构成一个表。
正如前面解释过的,为了优化代码,在一行中将你的函数连接起来。
行迭代
dictionary = {} for i,row in data.iterrows(): dictionary[row[ column_1 ]] = row[ column_2 ]复制代码
.iterrows() 使用两个变量一起循环:行索引和行的数据 (上面的 i 和 row)
总而言之,pandas 是 python 成为出色的编程语言的原因之一
我本可以展示更多有趣的 pandas 功能,但是已经写出来的这些足以让人理解为何数据科学家离不开 pandas。总结一下,pandas 有以下优点:
易用,将所有复杂、抽象的计算都隐藏在背后了;
直观;
快速,即使不是最快的也是非常快的。
它有助于数据科学家快速读取和理解数据,提高其工作效率
以上是Pandas 最詳細教程的詳細內容。更多資訊請關注PHP中文網其他相關文章!