查看原文
其他

超全的pandas数据分析常用函数总结:上篇

雅痞绅士JM 凹凸数据 2021-08-09
↑ 关注 + 星标 ~ 有趣的不像个技术号每晚九点,我们准时相约  


大家好,我是雅痞绅士JM


基础知识在数据分析中就像是九阳神功,熟练的掌握,加以运用,就可以练就深厚的内力,成为绝顶高手自然不在话下!


为了更好地学习数据分析,我对于数据分析中pandas这一模块里面常用的函数进行了总结。篇总结,在详尽且通俗易懂的基础上,我力求使其有很强的条理性和逻辑性,所以制作了思维导图,对于每一个值得深究的函数用法,我也会附上官方链接,方便大家继续深入学习。


文章中的所有代码都会有讲解和注释,绝大部分也都会配有运行结果,这样的话,整篇总结篇幅量自然不小,所以我分成了上下两篇,这里是上篇,下篇在次条。

1. 导入模块


import pandas as pd # 这里用到的是pandas和numpy两个模块
import numpy as np


2. 创建数据集并读取


2.1 创建数据集


我构造了一个超市购物的数据集,该数据集属性包括:订单ID号(id)、订单日期(date)、消费金额(money)、订单商品(product)、商品类别(department)、商品产地(origin)。


# 列表和字典均可传入DataFrame,我这里用的是字典传入:
data=pd.DataFrame({
"id":np.arange(101,111), # np.arange会自动输出范围内的数据,这里会输出101~110的id号。
"date":pd.date_range(start="20200310",periods=10), # 输出日期数据,设置周期为10,注意这里的周期数应该与数据条数相等。
"money":[5,4,65,-10,15,20,35,16,6,20], # 设置一个-10的坑,下面会填(好惨,自己给自己挖坑,幸亏不准备跳~)
"product":['苏打水','可乐','牛肉干','老干妈','菠萝','冰激凌','洗面奶','洋葱','牙膏','薯片'],
"department":['饮料','饮料','零食','调味品','水果',np.nan,'日用品','蔬菜','日用品','零食'], # 再设置一个空值的坑
"origin":['China',' China','America','China','Thailand','China','america','China','China','Japan'] # 再再设置一个america的坑
})
data # 输出查看数据集


输出结果:



2.2 数据写入和读取


data.to_csv("shopping.csv",index=False) # index=False表示不加索引,否则会多一行索引
data=pd.read_csv("shopping.csv")


3. 数据查看


3.1 数据集基础信息查询


data.shape # 行数列数
data.dtypes # 所有列的数据类型
data['id'].dtype # 某一列的数据类型
data.ndim # 数据维度
data.index # 行索引
data.columns # 列索引
data.values # 对象值


3.2 数据集整体情况查询


data.head() # 显示头部几行(默认5行)
data.tail() # 显示末尾几行(默认5行)
data.info() # 数据集相关信息概览:索引情况、列数据类型、非空值、内存使用情况
data.describe() # 快速综合统计结果


4. 数据清洗


4.1 查看异常值


当然,现在这个数据集很小,可以直观地发现异常值,但是在数据集很大的时候,我用下面这种方式查看数据集中是否存在异常值,如果有其他更好的方法,欢迎传授给我。


for i in data:
print(i+": "+str(data[i].unique())) # 查看某一列的唯一值


输出结果:我们发现,该数据集中money存在一个负值,department存在一个空值以及origin存在大小写问题。



4.2 空值处理


4.2.1 空值检测


data.isnull()# 查看整个数据集的空值data['department'].isnull()# 查看某一列的空值


data.isnull() # 查看整个数据集的空值
data['department'].isnull() # 查看某一列的空值


输出结果:



将空值判断进行汇总,更加直观,ascending默认为True,升序。


data.isnull().sum().sort_values(ascending=False)


输出结果:



更多关于pandas.DataFrame.sort_values的用法,戳下面官方链接:https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.sort_values.html



4.2.2 空值处理


pandas.DataFrame.fillna(value = None,method = None,inplace = False


  • value:用于填充的值,可以是具体值、字典和数组,不能是列表;

  • method:填充方法,有 ffill 和 bfill 等;

  • inplace默认无False,如果为True,则将修改此对象上的所有其他视图。

更多关于pandas.DataFrame.fillna的用法,戳下面官方链接:https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.fillna.html


data['department'].fillna(method="ffill") # 填充上一个值,即填充“水果”


输出结果:



data['department'].fillna(method="bfill") # 填充下一个值,即填充“日用品”


data['department'].fillna(value="冷冻食品",inplace=True) # 替换为具体值,并且在原对象值上进行修改


输出结果:



4.3 空格处理


只针对object类型数据


for i in data: # 遍历数据集中的每一列
if pd.api.types.is_object_dtype(data[i]): # 如果是object类型的数据,则执行下方代码
data[i]=data[i].str.strip() # 去除空格
data['origin'].unique() # 验证一下


输出结果:array([‘China’, ‘America’, ‘Thailand’, ‘america’, ‘Japan’], dtype=object)


4.4 大小写转换


data['origin'].str.title() # 将首字母大写
data['origin'].str.capitalize() # 将首字母大写
data['origin'].str.upper() # 全部大写
data['origin'].str.lower() # 全部小写


4.5 数据替换


data['origin'].replace("america","America",inplace=True) # 将第一个值替换为第二个值,inplace默认为False
data['origin']


输出结果:



data['money'].replace(-10,np.nan,inplace=True) # 将负值替换为空值
data['money'].replace(np.nan,data['money'].mean(),inplace=True) # 将空值替换为均值
data['money']


输出结果:



4.6 数据删除


方法一


data1 = data[data.origin != 'American'] #去掉origin为American的行
data1
data2=data[(data != 'Japan').all(1)] #去掉所有包含Japan的行 不等于Japan的行为真,则返回
data2


方法二


data['origin'].drop_duplicates() # 默认删除后面出现的重复值,即保留第一次出现的重复值


输出结果:



data['origin'].drop_duplicates(keep='last') # 删除前面出现的重复值,即保留最后一次出现的重复值


输出结果:



更多关于pandas.DataFrame.drop_duplicates的用法,戳下面官方链接:https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.drop_duplicates.html#pandas.DataFrame.drop_duplicates


4.7 数据格式转换


data['id'].astype('str') # 将id列的类型转换为字符串类型。


常见的数据类型对照



4.8 更改列名称


data.rename(columns={'id':'ID', 'origin':'产地'}) # 将id列改为ID,将origin改为产地。


输出结果:



思维导图




完整思维导图电子版(PDF)

待明日晚九点推文,和(下篇)一起整理给大家哈



参考资料: 

  • pandas官网

  • pandas用法总结

  • Pandas 文本数据方法







如果本文对你有帮助


欢迎扫描二维码关注作者的今日头条

(或在今日头条搜索“雅痞绅士JM”)




近期文章,点击图片即可查看






后台回复关键词「进群」,即刻加入读者交流群~


未完待续,下篇见明日推文,还有完整版思维导图哈

朱小五

    您可能也对以下帖子感兴趣

    文章有问题?点此查看未经处理的缓存