pandas 分类汇总等一些用法

一、生成数据表

1、首先导入pandas库，一般都会用到numpy库，所以我们先导入备用： import numpy as np

import pandas as pd

2、导入CSV或者xlsx文件： df = pd.DataFrame(pd.read_csv(‘name.csv’,header=1))

df = pd.DataFrame(pd.read_excel(‘name.xlsx’))

3、用pandas创建数据表： df = pd.DataFrame({“id”:[1001,1002,1003,1004,1005,1006],

“date”:pd.date_range(‘20130102’, periods=6),

“city”:['Beijing ', ‘SH’, ’ guangzhou ', ‘Shenzhen’, ‘shanghai’, 'BEIJING '],

“age”:[23,44,54,32,34,32],

“category”:[‘100-A’,‘100-B’,‘110-A’,‘110-C’,‘210-A’,‘130-F’],

“price”:[1200,np.nan,2133,5433,np.nan,4432]},

columns =[‘id’,‘date’,‘city’,‘category’,‘age’,‘price’])

二、数据表信息查看

1、维度查看： df.shape

2、数据表基本信息(维度、列名称、数据格式、所占空间等)： df.info()

3、每一列数据的格式： df.dtypes

4、某一列格式： df[‘B’].dtype

5、空值： df.isnull()

6、查看某一列空值： df.isnull()

7、查看某一列的唯一值： df[‘B’].unique()

8、查看数据表的值： df.values

9、查看列名称： df.columns

10、查看前10行数据、后10行数据： df.head() #默认前10行数据

df.tail() #默认后10 行数据

三、数据表清洗

1、用数字0填充空值： df.fillna(value=0)

2、使用列prince的均值对NA进行填充： df[‘prince’].fillna(df[‘prince’].mean())

3、清楚city字段的字符空格： df[‘city’]=df[‘city’].map(str.strip)

4、大小写转换： df[‘city’]=df[‘city’].str.lower()

5、更改数据格式： df[‘price’].astype(‘int’)

6、更改列名称： df.rename(columns={‘category’: ‘category-size’})

7、删除后出现的重复值： df[‘city’].drop_duplicates()

8、删除先出现的重复值： df[‘city’].drop_duplicates(keep=‘last’)

9、数据替换： df[‘city’].replace(‘sh’, ‘shanghai’)

四、数据预处理 df1=pd.DataFrame({“id”:[1001,1002,1003,1004,1005,1006,1007,1008],

“gender”:[‘male’,‘female’,‘male’,‘female’,‘male’,‘female’,‘male’,‘female’],

“pay”:[‘Y’,‘N’,‘Y’,‘Y’,‘N’,‘Y’,‘N’,‘Y’,],

“m-point”:[10,12,20,40,40,40,30,20]})

1、数据表合并 df_inner=pd.merge(df,df1,how=‘inner’) # 匹配合并，交集

df_left=pd.merge(df,df1,how=‘left’) #

df_right=pd.merge(df,df1,how=‘right’)

df_outer=pd.merge(df,df1,how=‘outer’) #并集

2、设置索引列 df_inner.set_index(‘id’)

3、按照特定列的值排序： df_inner.sort_values(by=[‘age’])

4、按照索引列排序： df_inner.sort_index()

5、如果prince列的值>3000，group列显示high，否则显示low： df_inner[‘group’] = np.where(df_inner[‘price’] > 3000,‘high’,‘low’)

6、对复合多个条件的数据进行分组标记 df_inner.loc[(df_inner[‘city’] == ‘beijing’) & (df_inner[‘price’] >= 4000), ‘sign’]=1

7、对category字段的值依次进行分列，并创建数据表，索引值为df_inner的索引列，列名称为category和size pd.DataFrame((x.split(’-’) for x in df_inner[‘category’]),index=df_inner.index,columns=[‘category’,‘size’]))

8、将完成分裂后的数据表和原df_inner数据表进行匹配 df_inner=pd.merge(df_inner,split,right_index=True, left_index=True)

五、数据提取

主要用到的三个函数：loc,iloc和ix，loc函数按标签值进行提取，iloc按位置进行提取，ix可以同时按标签和位置进行提取。

1、按索引提取单行的数值 df_inner.loc[3]

2、按索引提取区域行数值 df_inner.iloc[0:5]

3、重设索引 df_inner.reset_index()

4、设置日期为索引 df_inner=df_inner.set_index(‘date’)

5、提取4日之前的所有数据 df_inner[:‘2013-01-04’]

6、使用iloc按位置区域提取数据 df_inner.iloc[:3,:2] #冒号前后的数字不再是索引的标签名称，而是数据所在的位置，从0开始，前三行，前两列。

7、适应iloc按位置单独提起数据 df_inner.iloc[[0,2,5],[4,5]] #提取第0、2、5行，4、5列

8、使用ix按索引标签和位置混合提取数据 df_inner.ix[:‘2013-01-03’,:4] #2013-01-03号之前，前四列数据

9、判断city列的值是否为北京 df_inner[‘city’].isin([‘beijing’])

10、判断city列里是否包含beijing和shanghai，然后将符合条件的数据提取出来 df_inner.loc[df_inner[‘city’].isin([‘beijing’,‘shanghai’])]

11、提取前三个字符，并生成数据表 pd.DataFrame(category.str[:3])

六、数据筛选

使用与、或、非三个条件配合大于、小于、等于对数据进行筛选，并进行计数和求和。

1、使用“与”进行筛选 df_inner.loc[(df_inner[‘age’] > 25) & (df_inner[‘city’] == ‘beijing’), [‘id’,‘city’,‘age’,‘category’,‘gender’]]

2、使用“或”进行筛选 df_inner.loc[(df_inner[‘age’] > 25) | (df_inner[‘city’] == ‘beijing’), [‘id’,‘city’,‘age’,‘category’,‘gender’]].sort([‘age’])

3、使用“非”条件进行筛选 df_inner.loc[(df_inner[‘city’] != ‘beijing’), [‘id’,‘city’,‘age’,‘category’,‘gender’]].sort([‘id’])

4、对筛选后的数据按city列进行计数 df_inner.loc[(df_inner[‘city’] != ‘beijing’), [‘id’,‘city’,‘age’,‘category’,‘gender’]].sort([‘id’]).city.count()

5、使用query函数进行筛选 df_inner.query(‘city == [“beijing”, “shanghai”]’)

6、对筛选后的结果按prince进行求和 df_inner.query(‘city == [“beijing”, “shanghai”]’).price.sum()

七、数据汇总

主要函数是groupby和pivote_table

1、对所有的列进行计数汇总 df_inner.groupby(‘city’).count()

2、按城市对id字段进行计数 df_inner.groupby(‘city’)[‘id’].count()

3、对两个字段进行汇总计数 df_inner.groupby([‘city’,‘size’])[‘id’].count()

4、对city字段进行汇总，并分别计算prince的合计和均值 df_inner.groupby(‘city’)[‘price’].agg([len,np.sum, np.mean])

八、数据统计

数据采样，计算标准差，协方差和相关系数

1、简单的数据采样 df_inner.sample(n=3)

2、手动设置采样权重 weights = [0, 0, 0, 0, 0.5, 0.5]

df_inner.sample(n=2, weights=weights)

3、采样后不放回 df_inner.sample(n=6, replace=False)

4、采样后放回 df_inner.sample(n=6, replace=True)

5、数据表描述性统计 df_inner.describe().round(2).T #round函数设置显示小数位，T表示转置

6、计算列的标准差 df_inner[‘price’].std()

7、计算两个字段间的协方差 df_inner[‘price’].cov(df_inner[‘m-point’])

8、数据表中所有字段间的协方差 df_inner.cov()

9、两个字段的相关性分析 df_inner[‘price’].corr(df_inner[‘m-point’]) #相关系数在-1到1之间，接近1为正相关，接近-1为负相关，0为不相关

10、数据表的相关性分析 df_inner.corr()

九、数据输出

分析后的数据可以输出为xlsx格式和csv格式

1、写入Excel df_inner.to_excel(‘excel_to_python.xlsx’, sheet_name=‘bluewhale_cc’)

2、写入到CSV df_inner.to_csv(‘excel_to_python.csv’)

以上就是关于pandas的基本用法，大家可以参考下
————————————————
版权声明：本文为CSDN博主「小麦的天空」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_35918198/article/details/113638967

pandas 分类汇总等一些用法相关推荐

python pandas 分类汇总_pandas去重复行并分类汇总的实现方法
今天主要记录一下pandas去重复行以及如何分类汇总.以下面的数据帧作为一个例子: import pandas as pd data=pd.DataFrame({'产品':['A','A','A',' ...
python pandas 分类汇总用法_python之pandas用法大全
一.生成数据表 1.首先导入pandas库,一般都会用到numpy库,所以我们先导入备用: import numpy as np import pandas as pd 2.导入CSV或者xlsx文件 ...
python pandas 分类汇总用法_python数据分析之pandas常用命令整理
原标题:python数据分析之pandas常用命令整理 pandas 是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的.Pandas 纳入了大量库和一些标准的数据模型 ,提供了高效地 ...
pandas实现分类汇总--小计，总计
有一批数据需要分类汇总和总计,看了一下pandas的groupby,可以实现.具体思路:先分组,分组后计算改分类的汇总小计,然后对dataframe进行拼接:分类汇总计算好了之后,计算总体的汇总,然后 ...
(新手)python利用xlwings和pandas达到excel的分类汇总的效果
excel中的分类汇总,以及数据透视表,能够根据某几个"标签",对某个"数量"进行分类汇总,但是我总觉得,这2个用起来都不那么好看,那么,如何用python实现 ...
csvtk：表格处理神器-美化、统计、头表、合并、转置、筛选、取样、去冗余、分列、分类汇总和简单绘图...
写在前面 CSV/TSV作为数据科学和组学分析的基本格式,其实本质上均为txt格式的表格,CSV是按逗号分隔,TSV是以制表符分隔的表格.这两种格式数据格式应用非常广泛.比较常用的处理软件包括: Ex ...
sql 分类汇总列_分类汇总哪家强？R、Python、SAS、SQL？
Excel数据透视表(Pivot Table)可以快速汇总大量数据,能够分类汇总和聚合数值数据,按类别和子类别汇总数据,功能十分强大,并且提供了展开.折叠.行列交换等交互式方法,对使用者来说十分的友好 ...
oracle 按某个字段分类汇总,[数据库]Oracle语句分类汇总
[数据库]Oracle语句分类汇总 0 2016-08-11 00:00:33 1.Oracle语句之数据定义语言(DDL) 1) CREATE TABLE 新建表 2) ALTER TABLE ...
将span隐藏的函数_分类汇总函数Subtotal和Aggregate应用技巧解读
在实际的数据统计分析中,经常会遇到很多复杂的因素,例如,对隐藏的行或计算结果返回错误类型的值不予统计等等--如果此时还用常规的Sum系列.Count系列.Average系列等函数去做数据统计分析,将会 ...

pandas 分类汇总等一些用法

pandas 分类汇总等一些用法相关推荐

最新文章

热门文章