整理一套pandas详细教程,希望对你有帮助!
来源:机器之心
本文约2000字,建议阅读5分钟
pandas 是 python 成为出色的编程语言的原因之一。
Python 是开源的,它很棒,但是也无法避免开源的一些固有问题:很多包都在做(或者在尝试做)同样的事情。如果你是 Python 新手,那么你很难知道某个特定任务的最佳包是哪个,你需要有经验的人告诉你。有一个用于数据科学的包绝对是必需的,它就是 pandas。
pandas 最有趣的地方在于里面隐藏了很多包。它是一个核心包,里面有很多其他包的功能。这点很棒,因为你只需要使用 pandas 就可以完成工作。
pandas 相当于 python 中 excel:它使用表(也就是 dataframe),能在数据上做各种变换,但还有其他很多功能。
如果你早已熟知 python 的使用,可以直接跳到第三段。
让我们开始吧!
pandas 最基本的功能
读取数据
data = pd.read_csv( my_file.csv )
data = pd.read_csv( my_file.csv , sep= ; , encoding= latin-1 , nrows=1000, skiprows=[2,5])
sep 代表的是分隔符。如果你在使用法语数据,excel 中 csv 分隔符是「;」,因此你需要显式地指定它。编码设置为 latin-1 来读取法语字符。nrows=1000 表示读取前 1000 行数据。skiprows=[2,5] 表示你在读取文件的时候会移除第 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
写数据
data.to_csv( my_new_file.csv , index=None)
index=None 表示将会以数据本来的样子写入。如果没有写 index=None,你会多出一个第一列,内容是 1,2,3,...,一直到最后一行。
我通常不会去使用其他的函数,像.to_excel, .to_json, .to_pickle 等等,因为.to_csv 就能很好地完成工作,并且 csv 是最常用的表格保存方式。
检查数据
Gives (#rows, #columns)
给出行数和列数。
data.describe()
计算基本的统计数据。
查看数据
data.head(3)
打印出数据的前 3 行。与之类似,.tail() 对应的是数据的最后一行。
data.loc[8]
打印出第八行。
data.loc[8, column_1 ]
打印第八行名为「column_1」的列。
data.loc[range(4,6)]
第四到第六行(左闭右开)的数据子集。
pandas 的基本函数
逻辑运算
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 )]通过逻辑运算来取数据子集。要使用 & (AND)、 ~ (NOT) 和 | (OR),必须在
逻辑运算前后加上“(”和“)”。
data[data[ column_1 ].isin([ french , english ])]除了可以在同一列使用多个 OR,你还可以使用.isin() 函数。基本绘图
matplotlib 包使得这项功能成为可能。正如我们在介绍中所说,它可以直接在 pandas 中使用。
data[ column_numerical ].plot()
.plot() 输出的示例
data[ column_numerical ].hist()
画出数据分布(直方图)
.hist() 输出的示例
%matplotlib inline
如果你在使用 Jupyter,不要忘记在画图之前加上以上代码。
更新数据
data.loc[8, column_1 ] = english
将第八行名为 column_1 的列替换为「english」data.loc[data[ column_1 ]== french , column_1 ] = French
在一行代码中改变多列的值。
好了,现在你可以做一些在 excel 中可以轻松访问的事情了。下面让我们深入研究 excel 中无法实现的一些令人惊奇的操作吧。
中级函数
统计出现的次数
data[ column_1 ].value_counts()
image
.value_counts() 函数输出示例
在所有的行、列或者全数据上进行操作
data[ column_1 ].map(len)
len() 函数被应用在了「column_1」列中的每一个元素上
.map() 运算给一列中的每一个元素应用一个函数
data[ column_1 ].map(len).map(lambda x: x/100).plot()
pandas 的一个很好的功能就是链式方法(https://tomaugspurger.github.io/method-chaining)。它可以帮助你在一行中更加简单、高效地执行多个操作(.map() 和.plot())。
data.apply(sum)
.apply() 会给一个列应用一个函数。
.applymap() 会给表 (DataFrame) 中的所有单元应用一个函数。
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()
用 pandas 设置 tqdm
data[ column_1 ].progress_map(lambda x: x.count( e ))
用 .progress_map() 代替.map()、.apply() 和.applymap() 也是类似的。
image
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)
image
.corr() 会给出相关性矩阵
pd.plotting.scatter_matrix(data, figsize=(12,8))
image
散点矩阵的例子。它在同一幅图中画出了两列的所有组合。
pandas 中的高级操作
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 ])
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()
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。
image
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 ]
.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。
原文链接:
https://towardsdatascience.com/be-a-more-efficient-data-scientist-today-master-pandas-with-this-guide-ea362d27386
编辑:文婧
校对:龚力
整理一套pandas详细教程,希望对你有帮助!相关推荐
- jupyter 写入csv pandas_整理一套 pandas 详细教程,希望对你有帮助!
点击上方 "Python人工智能技术" 关注,星标或者置顶22点24分准时推送,第一时间送达 编辑:技术君 来源:机器之心 Python人工智能技术(ID:coder_experi ...
- 【宝藏级】全网最全的Pandas详细教程(2万字总结)
[回炉重造]Python之Pandas详细教程 前言 为什么要学习Pandas? 什么是Pandas? 1. Pandas的索引操作 1. Series和DataFrame中的索引都是Index对象 ...
- 金蝶k3rpc服务器不可用_会计小白金蝶软件不会建账套?详细教程都在这里,别再发愁...
还在为不会操作金蝶软件而头疼吗? 今天,小编和大家分享一些金蝶软件实操技巧,让大家更快速的完成工作! (文末可免费领取完整版示例课件) 如果想知道如何使用金蝶,那么熟悉其操作流程时必不可少的. 整个软 ...
- Pandas入门详细教程
作者:luanhz 来源:小数志 导读 本文主要是对pandas进行入门详细介绍,通过本文你将系统性了解pandas为何会有数据分析界"瑞士军刀"的盛誉. 行文二级目录 01 关于 ...
- 零基础学画画,一套非常详细的手绘教程,4步教会你画,收藏学习
一套非常详细的手绘教程,4步教会你画,建议新人们收藏学习. 01.嘴巴的手绘教程 02.眼睛的手绘教程 03.宝石的手绘教程 04.手的手绘教程 05.鼻子的手绘教程 06.手套的手绘教程 07. 0 ...
- 点云处理算法整理(超详细教程)
点云处理算法整理(超详细教程) 目录 一. 线性回归_最小二乘法.梯度下降法 二. 线性回归_最小二乘法.RANSAC算法 三. 最近点迭代_ICP算法 四. 常见三角网格划分_voronoi图和De ...
- python数据科学系列:pandas入门详细教程
导读 前2篇分别系统性介绍了numpy和matplotlib的入门基本知识,今天本文自然是要对pandas进行入门详细介绍,通过本文你将系统性了解pandas为何会有数据分析界"瑞士军刀&q ...
- python pandas 官网_Pandas 最详细教程
Python 是开源的,它很棒,但是也无法避免开源的一些固有问题:很多包都在做(或者在尝试做)同样的事情.如果你是 Python 新手,那么你很难知道某个特定任务的最佳包是哪个,你需要有经验的人告诉你 ...
- pandas 固定值 增加一列_pandas入门详细教程(附导图)
导读:本文是pandas详细的入门介绍,通过本文你将系统性了解pandas为何会有数据分析界"瑞士军刀"的盛誉. 作者:luanhz 来源:小数志(ID:Datazhi) ▲本文二 ...
最新文章
- hic染色体构想_了解微服务:从构想到起点
- Could not get lock /var/lib/dpkg/lock-frontend
- 线性表-----队列
- centos boot dvd版本_iPad版Photoshop来了,设计师可以躺着改稿了!!!
- 丁香医生APP被App Store拒绝更新:违反苹果内购系统规定
- roseha文件服务器,双机热备软件Rose HA日常维护技巧
- 中国第一代程序员简介与现状
- USB学习笔记——认识USB
- kali里的powersploit、evasion、weevely等工具的杂项记录
- Android APP程序更新报解析软件包时出现错误问题解决方法
- EVE-NG镜像导入(Dynamipshe和IOL)
- 学习笔记——共阳数码管的动态显示
- R语言绘图、数据处理学习记录持续更新
- 谷歌裁员1.2万人,CEO年薪达15亿,网友:“地表最强 CEO !”
- Hbuilder安装及使用教程
- 写作小技能:开篇制胜的首段:写序言的故事模板(SCQA: Situation情境, Conflict冲突, Question问题, Answer回答。)
- jQuery基础二DOM操作
- 下拉菜单中自动亮度调节P 上背光调节
- 学习SAR和INSAR的一点随笔
- 【小甲鱼C语言】课后笔记第一章第九节——if语句
热门文章
- 网页中的盒模型css属性,详解CSS中的Box Model盒属性的使用
- micropython arduino选哪个好_玩转GPIO之ESP32基于MicroPython与Arduino的计算性能测试
- Redis 配置文件
- 同步机制之 ReentrantLock
- 2.lombok系列2:lombok注解详解
- Forcepoint DLP解决方案持续推高各机构的业务发展进程
- [转]WxEmojiView
- 关于mina的setSendBufferSize体验
- 如何查看和关闭异常SQL进程
- java计算下周一_java – 如何计算下周?