一、數(shù)據(jù)讀取
1. pandas 數(shù)據(jù)讀取：
1 2 | import pandas as pd
df = pd.read_csv("G:\\...\\NBA.csv",encoding='gbk')
|
read_csv 的重要參數(shù)：
filepath_or_buffer： # 文件的路徑，URL或任何具有read()方法的對(duì)象。
sep ： # 分隔符，默認(rèn)為 ，
header： # 列名 ， 默認(rèn)為 header=0 取第0行做為數(shù)據(jù)集的列名
names： # 指定數(shù)據(jù)集的列名稱，配合header=None 使用
encoding： # 編碼格式
na_values：["Nope , ..."] # 數(shù)據(jù)集中的字符串"Nope"被識(shí)別為NaN , ...
keep_defalut_na： # 如果指定了na_values，并且keep_default_na是False默認(rèn)的NaN值被覆蓋
na_filter： # 默認(rèn)True，對(duì)缺失值進(jìn)行檢測(cè)，F(xiàn)alse為不處理。
error_bad_lines： # 默認(rèn)True，如果False，跳過(guò)錯(cuò)誤行數(shù)據(jù)
warn_bad_lines： # 默認(rèn)True，如果error_bad_lines為False，而warn_bad_lines為True，則會(huì)輸出每個(gè)“壞行”的警告
2、Missing data 處理
DataFrame.dropna() # 返回沒(méi)有NaN值的數(shù)據(jù)集
DataFrame.fillna(X) # 將X填充到數(shù)據(jù)集中的NaN值
DataFrame.replace([to_replace, value, ...]) # 將to_replace 替換為 value ,
# 例子:
df.replace(np.nan,'xx',regex=False) # 將NaN值替換為xx , regex 若為True 將to_value 當(dāng)作正則進(jìn)行匹配!
二、DataFrame與Series
1、DataFrame 是一個(gè)表格型數(shù)據(jù)結(jié)構(gòu)，既有行索引又有列索引，看作由Series組成的字典。
1 | df = pd.read_csv("G:\\....\\NBA.csv",encoding='gbk')
|
重要方法：
查看:
head([n]) # 返回前n行
tail([n]) # 返回最后n行
df[' 列名 '] # 返回某一列的數(shù)據(jù)
df.列名 # 返回某一列的數(shù)據(jù)
添加 / 修改整列 :
df[' 列名 '] = 'xxx ' # (添加/修改) 一列，內(nèi)容為xxx
刪除:
del df[' 列名 '] # 刪除某一列
df.pop('列名') # 返回項(xiàng)目并從DataFrame中刪除
列運(yùn)算:
df[col3] = df[col1] + df[col2]
判斷:
df[ ' 列名 ' ] > 100 # 符合顯示 True , 否則False
重要屬性：
1.index
1 2 | df.index
# RangeIndex(start=0, stop=3922, step=1) # 3922文件總行數(shù) ,
|
2.columns 返回列名
1 2 | df.columns
# Index(['序號(hào)', 'Player', 'height', 'weight', 'collage', 'born', 'birth_city','birth_state'],dtype='object')
|
3.shape
1 2 | df.shape
# (3922, 8) 數(shù)據(jù)集一共3922行,8列
|
4.dtypes 返回每一列數(shù)據(jù)類型
1 2 3 4 5 6 7 8 9 10 | df.dtypes
# 序號(hào) int64
# Player object
# height float64
# weight float64
# collage object
# born float64
# birth_city object
# birth_state object
# dtype: object
|
行選取
1.切片
2.特殊的索引選取方式
2、Series 一維數(shù)組對(duì)象，由一組數(shù)據(jù)和與之相關(guān)的數(shù)據(jù)標(biāo)簽（索引）組成。
1 2 3 4 5 | series = df['列名']
series = df.列名
# 篩選
s2 = series[ series > 100 ] # 返回大于100的數(shù)據(jù)集
|
屬性：
方法：
1 2 3 | series.value_counts() # 出現(xiàn)頻數(shù)
series.unique() # 返回對(duì)象中的唯一值的np.ndarray。
len( series.unique ) # 查看長(zhǎng)度
|
3、創(chuàng)建DataFrame 與 Series
1、創(chuàng)建Series
1 2 3 4 5 6 7 8 9 10 11 | # 1. 字典形式 :
sdata = {"A":'123',"B":'456'}
series1 = pd.Series( sdata )
# 2. 數(shù)組形式 :
series2 = pd.Series([1,2,3,4,5] ) # 默認(rèn)索引從0 開始, ...
series2 = pd.Series([1,2,3,4,5] , index = ['a','b','c','d','e'] )
series2 = pd.Series([1,2,3,4,5] , index = list('abcde') )
# 3. 實(shí)數(shù)形式 :
series3 = pd.Series(11 , index = list('abc') )
|
2、創(chuàng)建DataFrame
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 | # 1. 字典形式
# 一層字典:
data = {
'state':['Ohio','Nevada','Ohio'],
'year':[1999,1888,1777],
'pop':[1.4,1.2,1.1]
}
df1 = pd.DataFrame(data) # 列名:pop,year,stats(亂序) , 行索引默認(rèn)從0開始
df1 = pd.DataFrame(data , columns = ['pop','year','stats']) # 指定數(shù)據(jù)表中列名順序
df1 = pd.DataFrame(data , index = ['one','two','three'] ) # 指定索引
# 兩層字典:
data = {
'A':{'user':'alex','age':20},
'B':{'user':'eric','age':10},
}
df2 = pd.DataFrame(data) # 外層字典的key作為列 , 內(nèi)層key作為行索引
df2 = pd.DataFrame(data , index = ['user','age']) # 顯式指出行索引
# 2. 二維數(shù)組
arr = [ [1,2,3,4] , [5,6,7,8] ]
pd.DataFrame(arr)
|
3、Series =》 DataFrame
三、分組 GroupBy
1 2 | df2 = pd.read_csv("G://..../pokemon.csv",encoding='gbk')
g1 = df2.groupby(['Type 1' , ... ])
|
重要屬性：
1.groups 返回dict {group name -> group labels} , 分組里每個(gè)組對(duì)應(yīng)的索引項(xiàng)列表
重要方法：
1.first() 返回組中每一列的第一個(gè)值（非NaN）
2.size() 返回分組中類型的個(gè)數(shù)
3.describe() 生成各種匯總統(tǒng)計(jì)，不包括NaN值
4.get_group('xxx') 獲取該分組下所有項(xiàng)內(nèi)容
Aggregation：
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 | # 方式一 :
g1.sum()
# 方式二 :
import numpy as np
g1.agg(np.sum)
# 方式三 :
g1.agg(np.sum)[' 列名 '] # 單獨(dú)計(jì)算某一列
g1[' 列名 '].agg(np.sum)
# 多重計(jì)算 :
g1.agg([ np.sum,np.mean,np.std,... ])
# 每一列 都使用不同統(tǒng)計(jì)量 (字典)
g1.agg( {"HP":[np.sum,np.mean],"Attack":np.std} )
# 重新命名返回的列
xxxx.rename(columns = {"HP":'aaa',"Attack":"bb"})
|
Transformation :
-
Transform返回發(fā)數(shù)據(jù)集與原數(shù)據(jù)集大小一樣
-
每一個(gè)函數(shù)都是對(duì)每一個(gè)group進(jìn)行的操作，不是全部的數(shù)據(jù)集
-
不會(huì)改變?cè)術(shù)roup的數(shù)據(jù)，返回的是新數(shù)據(jù)
-
每個(gè)函數(shù)是作用在每個(gè)group里面的column上
1 2 | f = lambda s : ( s - s.mean() ) / s.std
g1.transform( f ) # transform 計(jì)算非字符型變量
|
Filtration :
1 2 3 | df = g1.filter(lambda s : len(s) >= 80 ) # 分組內(nèi)項(xiàng)總數(shù)大于80
df = g1.filter(lambda s : np.mean(s['HP']) >= 60 ) # 分組中HP平均值大于60
|
|
