溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
本篇內容介紹了“python的pandas有哪些基本操作”的有關知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領大家學習一下如何處理這些情況吧！希望大家仔細閱讀，能夠學有所成！
python 的 pandas 庫用來處理表格類型（也就是矩陣）的數據非常方便， 這個庫用來在可視化之前對數據進行變換，計算和匯總之類的操作再好不過。
下面整理了最近我在做數據分析的短視頻時常用的一些方法。
做視頻之前，我采集的數據都是用 csv 格式保存的，這里主要演示 pandas 庫的 read_csv 方法。 讀取其他文件格式的方式類似，主要是函數名稱不同，參數都差不多。
讀取 csv 文件非常簡單，指定 csv 文件的路徑即可。 測試用 csv 文件內容如下：
IP地址,手機號,登錄日期 223.104.147.75,19951762925,"2021-04-15 01:33:08" 117.181.52.75,15873565020,"2021-04-15 01:48:24" 42.49.165.99,18673535620,"2021-04-15 02:14:40" 14.116.141.24,18673535620,"2021-04-15 05:01:40"
# -*- coding: utf-8 -*- import pandas as pd def test(): df = pd.read_csv( "~/share/test.csv", ) print(df) if __name__ == "__main__": test()
程序運行結果：
$ python test.py IP地址 手機號碼 登錄日期 0 223.104.147.75 1.995176e+10 2021-04-15 01:33:08 1 117.181.52.75 1.587357e+10 2021-04-15 01:48:24 2 42.49.165.99 1.867354e+10 2021-04-15 02:14:40 3 14.116.141.24 1.867354e+10 2021-04-15 05:01:40
csv 文件中的列名有時候沒有，或者有時候是中文的，列名是后續進行操作數據時使用的 key，一般在讀取時將其轉換成英文。 同時，可以看出手機號碼默認被當成數值類型了，所以用科技計數法來表示，在讀取數據時，可以設置此列為字符串類型。
# -*- coding: utf-8 -*-
import pandas as pd
def test():
df = pd.read_csv(
"~/share/test.csv",
skiprows=[0],
names=["ip", "mobile", "login_date"],
dtype={"mobile": str},
)
print(df)
if __name__ == "__main__":
test()skiprows 可以用來忽略第一行標題，因為我們用 names 指定了新的標題名稱。
dtype 用來指定某列的類型，不指定的話，系統自動推斷類型。
程序運行結果：
$ python test.py ip mobile login_date 0 223.104.147.75 19951762925 2021-04-15 01:33:08 1 117.181.52.75 15873565020 2021-04-15 01:48:24 2 42.49.165.99 18673535620 2021-04-15 02:14:40 3 14.116.141.24 18673535620 2021-04-15 05:01:40
列的名稱已替換，手機號碼也正常顯示。
在分析數據時，有時候我們不需要采集的所有數據，只取其中需要的幾列數據。 比如上面的 csv，如果只分析 IP 地址和登錄時間，讀取文件時，可以只取這 2 列數據。
# -*- coding: utf-8 -*- import pandas as pd def test(): df = pd.read_csv( "~/share/test.csv", skiprows=[0], usecols=[0, 2], names=["ip", "login_date"], ) print(df) if __name__ == "__main__": test()
通過 usecols 來指定需要那幾列。 程序運行結果：
$ python test.py ip login_date 0 223.104.147.75 2021-04-15 01:33:08 1 117.181.52.75 2021-04-15 01:48:24 2 42.49.165.99 2021-04-15 02:14:40 3 14.116.141.24 2021-04-15 05:01:40
有些列的格式，比如日期格式的列，可能在分析之前就要進行轉換處理。 上面的例子中，如果是按日分析登錄情況，就不要時分秒的部分，這樣我們可以在讀取時就進行轉換處理。
# -*- coding: utf-8 -*-
from datetime import datetime
import pandas as pd
def test():
df = pd.read_csv(
"~/share/test.csv",
skiprows=[0],
usecols=[0, 2],
names=["ip", "login_date"],
converters={
"login_date": lambda d: datetime.strptime(d, "%Y-%m-%d %H:%M:%S").strftime(
"%Y-%m-%d"
)
},
)
print(df)
if __name__ == "__main__":
test()通過 converters 參數轉換某列。 程序運行結果：
$ python test.py ip login_date 0 223.104.147.75 2021-04-15 1 117.181.52.75 2021-04-15 2 42.49.165.99 2021-04-15 3 14.116.141.24 2021-04-15
讀取文件之后，得到一個 dataframe 結構，它可以當成一個矩陣來看。 基于 dataframe，可以完成各種計算操作，pandas 提供的 API 也很多，這里只介紹我平時常用的一部分。
之前做房價分析時，按月分析成交平均值和成交總套數時，都用到了分組統計。 分析的第一步就是將數據分組。
# -*- coding: utf-8 -*-
import pandas as pd
test_data = {
"name": ["a", "b", "c", "d"],
"value": [11, 20, 31, 42],
"date": ["2017", "2018", "2018", "2017"],
}
def main():
df = pd.DataFrame(test_data)
data = df.groupby("date")
data = data.sum()
print(data)
if __name__ == "__main__":
main()按照日期分組之后，運行結果如下：
$ python test2.py value date 2017 53 2018 51
這里是求和，groupby 之后同樣也可以求平均值。
數據集變換是用的比較多的，因為采集和分析的過程是分開的，采集的目的是數據盡量全和準確。 所以分析之前會根據分析目的會對數據進行適當的變換。
行操作主要指從數據集中過濾出一部分數據，或者合并多個數據集。
過濾數據
# -*- coding: utf-8 -*-
import pandas as pd
test_data = {
"name": ["a", "b", "c", "d"],
"value": [11, 20, 31, 42],
"date": ["2017", "2018", "2018", "2017"],
}
def main():
df = pd.DataFrame(test_data)
# 選取2017年的數據
data2017 = df[df["date"] == "2017"]
print(data2017)
# 選取value>30 的數據
data30 = df[df["value"] > 30]
print(data30)
if __name__ == "__main__":
main()運行結果如下：
$ python test2.py name value date 0 a 11 2017 3 d 42 2017 name value date 2 c 31 2018 3 d 42 2017
可以很方便的直接使用列名來過濾數據行
合并數據集
# -*- coding: utf-8 -*-
import pandas as pd
test_data_01 = {
"name": ["a", "b", "c", "d"],
"value": [11, 20, 31, 42],
"date": ["2017", "2018", "2018", "2017"],
}
test_data_02 = {
"name": ["a", "b", "c", "d"],
"value": [31, 40, 51, 72],
"date": ["2019", "2020", "2020", "2019"],
}
def main():
df01 = pd.DataFrame(test_data_01)
df02 = pd.DataFrame(test_data_02)
# 合并數據集時，設置 ignore_index = True，可以避免index重復
data = pd.concat([df01, df02], ignore_index=True)
print(data)
if __name__ == "__main__":
main()運行結果如下：
$ python test2.py name value date 0 a 11 2017 1 b 20 2018 2 c 31 2018 3 d 42 2017 4 a 31 2019 5 b 40 2020 6 c 51 2020 7 d 72 2019
如果不設置 ignore_index = True，執行結果如下：（注意第一列有重復）
$ python test2.py name value date 0 a 11 2017 1 b 20 2018 2 c 31 2018 3 d 42 2017 0 a 31 2019 1 b 40 2020 2 c 51 2020 3 d 72 2019
列操作我用到的場景，有一個是橫向統計各個列的合計和平均值。 示例如下：
# -*- coding: utf-8 -*-
import pandas as pd
test_data_01 = {
"a": [11, 20],
"b": [1, 2],
}
def main():
df = pd.DataFrame(test_data_01)
df["a+b"] = df["a"] + df["b"]
df["(a+b)/2"] = (df["a"] + df["b"]) / 2
print(df)
if __name__ == "__main__":
main()運行結果如下：
$ python test2.py a b a+b (a+b)/2 0 11 1 12 6.0 1 20 2 22 11.0
還有就是進行數據集的列合并，比如將多個數據集的統計結果進行合并：
# -*- coding: utf-8 -*-
import pandas as pd
test_data_01 = {
"a": [11, 20],
"b": [1, 2],
}
test_data_02 = {
"c": [18, 50],
"d": [31, 32],
}
def main():
df01 = pd.DataFrame(test_data_01)
df02 = pd.DataFrame(test_data_02)
df01["a+b"] = df01["a"] + df01["b"]
df01["(a+b)/2"] = (df01["a"] + df01["b"]) / 2
df01 = df01.drop(columns=["a", "b"])
df02["c+d"] = df02["c"] + df02["d"]
df02["(c+d)/2"] = (df02["c"] + df02["d"]) / 2
df02 = df02.drop(columns=["c", "d"])
df = pd.concat([df01, df02], axis=1)
print(df)
if __name__ == "__main__":
main()運行結果如下：
$ python test2.py a+b (a+b)/2 c+d (c+d)/2 0 12 6.0 49 24.5 1 22 11.0 82 41.0
行列互換我一般是在做動態短視頻時使用的，把每個時間點一行數據（數據包含各個元素），變成每個元素在每個時間點一個數據。
開始時，數據類似：
date,a,b 2017,1,2 2018,2,3
轉換后變成：
key,date,value a,2017,1 a,2018,2 b,2017,2 b,2018,3
轉換代碼：
# -*- coding: utf-8 -*-
import pandas as pd
test_data = {
"date": ["2017", "2018"],
"a": [1, 2],
"b": [2, 3],
}
def main():
df = pd.DataFrame(test_data)
print("轉換前：>>>>>>")
print(df)
data = df.drop(columns=["date"])
data = pd.melt(data)
df_date = pd.concat([df["date"]] * 2, ignore_index=True)
data = pd.concat([df_date, data], axis=1)
print("\n轉換后：>>>>>>")
print(data)
if __name__ == "__main__":
main()運行結果如下：
$ python test2.py 轉換前：>>>>>> date a b 0 2017 1 2 1 2018 2 3 轉換后：>>>>>> date variable value 0 2017 a 1 1 2018 a 2 2 2017 b 2 3 2018 b 3
導出文件很簡單，只要指定個路徑即可（注意，路徑不存在會報錯）。
data.to_csv("./test.csv")導出時，如果不想導出每行數據的序號，加上 index=False
data.to_csv("./test.csv", index=False)如果給標題行重新命名成易懂的中文名稱，設置 header 參數。
data.to_csv( "./test.csv", index=False, header=[ "日期", "名稱", "時間(小時)", ], )
掌握了 pandas，感覺是多了一件隨便操作數據集的利器，能夠極大節省調整數據的時間。 而且，它的處理速度極快，我在自己的筆記本電腦上處理成千上萬條數據時基本都是瞬間完成，同樣的數據，我用 excel 來處理，會卡頓很多。
“python的pandas有哪些基本操作”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業相關的知識可以關注億速云網站，小編將為大家輸出更多高質量的實用文章！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
