資訊專(zhuān)欄INFORMATION COLUMN
摘要：以列表的形式顯示數(shù)據(jù)表的列名。返回索引值為行列的數(shù)據(jù)。將一列按照降序排列，且得到的數(shù)據(jù)替換原數(shù)據(jù)。返回為，也就是缺失的數(shù)據(jù)，這時(shí)再調(diào)用函數(shù)即可求得缺失數(shù)據(jù)的個(gè)數(shù)。這是在中的自定義函數(shù)的使用方法，括號(hào)中傳入函數(shù)名。
pandas是python中的 一個(gè)數(shù)據(jù)處理庫(kù)，同樣在使用的時(shí)候我們要先輸入import pandas as pd引入。
1.df = pd.read_csv("文件路徑")：這是讀取csv文件的方法，如果要讀取excel或其他文檔，都有相應(yīng)的read函數(shù)。
2.df.dtypes：如果在文件中有字符型數(shù)據(jù)返回的是object。
3.df.head(n)：將前n行數(shù)據(jù)顯示出來(lái)，如果不傳入?yún)?shù)則顯示前5行數(shù)據(jù)。
4.df.tail(n)：將后n行數(shù)據(jù)顯示出來(lái)，如果不傳入?yún)?shù)則顯示后5行數(shù)據(jù)。
5.df.columns：以列表的形式顯示數(shù)據(jù)表的列名。
6.df.shape：以元組的形式顯示表中數(shù)據(jù)的行數(shù)和列數(shù)。
7.df.loc[n]：返回索引值為n的行。
8.df.loc[m][n]：返回索引值為m行n列的數(shù)據(jù)。
9.df.loc[m:n]：返回索引值為m到n的行。
10.df.loc[[m,n,k]]：返回索引值分別為m,n,k的行。
11.df["str"]：返回列名為str的這一列。
12.df.columns.tolist()：將列名做成列表。
13.df["str"]*df["str"]：兩列維度相同，則兩列的對(duì)應(yīng)位置相乘。
14.df.sort_values("str",inplace=True,ascending=False)：將str一列按照降序排列，且得到的數(shù)據(jù)替換原數(shù)據(jù)。inplace表示是否用排序后的數(shù)據(jù)替代原數(shù)據(jù)，默認(rèn)為False，也就是不替換。ascending表示排序的順序，默認(rèn)為T(mén)rue，也就是按照升序排列。
15.judge = pd.isnull(df["str"])：返回bool型值，str這一列的數(shù)據(jù)是空值返回True，不是空值返回False。
16.a["judge"]：返回judge為T(mén)rue，也就是缺失的數(shù)據(jù)，這時(shí)再調(diào)用len()函數(shù)即可求得缺失數(shù)據(jù)的個(gè)數(shù)。
17.df.pivot_table(index="a",values="b",aggfunc=np.mean)：這是一個(gè)很重要的函數(shù)，將b求平均值，按照a的類(lèi)別進(jìn)行分類(lèi)，第三個(gè)參數(shù)默認(rèn)為求平均值。
18.df.loc[n,"str"]：定位到第n行，列名為str處的數(shù)據(jù)。
19.sort_res.reset_index(drop=True)：將排序后的數(shù)據(jù)的編號(hào)也重新排列，drop指是否丟棄原數(shù)據(jù)。運(yùn)行后的結(jié)果與14的圖對(duì)比可以發(fā)現(xiàn)，編號(hào)已經(jīng)重新排列了。
20.df.apply()：這是在pandas中的自定義函數(shù)的使用方法，括號(hào)中傳入函數(shù)名。
文章版權(quán)歸作者所有，未經(jīng)允許請(qǐng)勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請(qǐng)注明本文地址：http://www.ezyhdfw.cn/yun/43028.html
摘要：在使用之前，大多數(shù)數(shù)據(jù)分析師已經(jīng)掌握了和，并且在剛上手時(shí)會(huì)經(jīng)常習(xí)慣性想到老辦法。這種根據(jù)列值選取行數(shù)據(jù)的查詢操作，推薦使用方法。如果我又有一批數(shù)據(jù)，需要將兩部分?jǐn)?shù)據(jù)合并。 大毛 豈安科技業(yè)務(wù)風(fēng)險(xiǎn)分析師 多年訂單業(yè)務(wù)反欺詐經(jīng)驗(yàn)，負(fù)責(zé)豈安科技多款產(chǎn)品運(yùn)營(yíng)工作。 在使用Pandas之前，大多數(shù)數(shù)據(jù)分析師已經(jīng)掌握了Excel和SQL，并且在剛上手Pandas時(shí)會(huì)經(jīng)常習(xí)慣性想到老辦法。如果誰(shuí)能把...
摘要：在這個(gè)教程中，我們將利用的和包來(lái)進(jìn)行數(shù)據(jù)清洗。在很多情況下，使用唯一的值作為索引值識(shí)別數(shù)據(jù)字段是非常有幫助的。清洗數(shù)據(jù)字段到現(xiàn)在為止，我們移除了不必要的列并改變了我們的索引變得更有意義。 作者：xiaoyu微信公眾號(hào)：Python數(shù)據(jù)科學(xué)知乎：Python數(shù)據(jù)分析師 數(shù)據(jù)科學(xué)家花了大量的時(shí)間清洗數(shù)據(jù)集，并將這些數(shù)據(jù)轉(zhuǎn)換為他們可以處理的格式。事實(shí)上，很多數(shù)據(jù)科學(xué)家聲稱開(kāi)始獲取和清洗數(shù)據(jù)...
摘要：在這里我分享下我個(gè)人入門(mén)機(jī)器學(xué)習(xí)的經(jīng)歷，希望能對(duì)大家能有所幫助。相關(guān)學(xué)習(xí)鏈接，，入門(mén)后的體驗(yàn)在入門(mén)了機(jī)器學(xué)習(xí)之后，在實(shí)際工作中，絕大多數(shù)的情況下你并不需要去創(chuàng)造一個(gè)新的算法。 機(jī)器學(xué)習(xí)在很多眼里就是香餑餑，因?yàn)闄C(jī)器學(xué)習(xí)相關(guān)的崗位在當(dāng)前市場(chǎng)待遇不錯(cuò)，但同時(shí)機(jī)器學(xué)習(xí)在很多人面前又是一座大山，因?yàn)榘l(fā)現(xiàn)它太難學(xué)了。在這里我分享下我個(gè)人入門(mén)機(jī)器學(xué)習(xí)的經(jīng)歷，希望能對(duì)大家能有所幫助。 PS：這篇文章...
閱讀 3430·2021-11-11 16:54
閱讀 3598·2021-10-11 10:58
閱讀 1344·2021-08-30 09:41
閱讀 1865·2019-08-30 15:54
閱讀 2098·2019-08-30 14:00
閱讀 2766·2019-08-29 17:13
閱讀 1724·2019-08-29 15:19
閱讀 723·2019-08-29 15:14
