Pandas數據分析常用函數如何使用

本篇內容介紹了“Pandas數據分析常用函數如何使用”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！

Pandas是數據處理和分析過程中常用的Python包，提供了大量能使我們快速便捷地處理數據的函數和方法，在此主要整理數據分析過程pandas包常用函數，以便查詢。

一、數據導入導出

pandas提供了一些用于將表格型數據讀取為DataFrame對象函數，如read_csv,read_table。輸入pd.read后，按Tab鍵，系統將把以read開頭的函數和模塊都列出來，根據需要讀取的文件類型選取。

#包的安裝導入
import pandas as pd

#查詢幫助文檔
pd.read_csv?

#數據載入（僅羅列一部分常用參數）
df = pd.read_csv(
     filePath, #路徑 
     sep=',',  #分隔符
     encoding='UTF-8', #用于unicode的文本編碼格式，如GBK,UTF-8
     engine='python',
     header = None, #第一行不作為列名
     names= [['col1','col2']], #字段名設置
     index_col=None, 
     skiprows=None, #跳過行None
     error_bad_lines=False #錯誤行忽略    
)
# 數據導出
df.to_csv(filePath,
           sep = ',',
           index = False)

二、數據加工處理

1）重復值處理

# Pandas提供了duplicated、Index.duplicated、drop_duplicates函數來標記及刪除重復記錄

#找出重復行位置
dIndex = df.duplicated()
#根據某些列找出重復位置
dIndex = df.duplicated('id')
dIndex = df.duplicated(['id', 'key'])
#根據返回值提取重復數據
df[dIndex]
#刪除重復行
newdf = df.drop_duplicated()
#去掉重復數據
newdf = df.drop_duplicated(keep = False)
#根據'key'字段去重，并保留重復key字段第一個
##subset:指定的標簽或標簽序列，僅刪除這些列重復值，默認情況為所有列
##keep:確定要保留的重復值:first（保留第一次出現的重復值，默認）last(保留最后一次出現的重復值)False(刪除所有重復值)
newdf = df.drop_duplicated(subset = ['key'],keep = 'first')

2）缺失值處理

# 輸出某列是否有為空值
print(df.isnull().any(axis = 0))
# 獲取空值所在的行
df[df.isnull().any(axis = 1)]
# 空值填充
df.fillna('未知')
# 刪除空值
newDF = dropna(axis="columns",how="all",inplace=False) #how可選有any和all,any表示只要有空值出現就刪除，all表示全部為空值才刪除，inplace表示是否替換掉原本數據

3）空格處理

newName = df['name'].str.lstrip()
newName = df['name'].str.rstrip()
newName = df['name'].str.strip()

4）字段拆分

newDF = df['name'].str.split(' ', 1, True)

5）篩選數據

#單條件
df[df.comments>10000]
#多條件
df[df.comments.between(1000, 10000)]
#過濾空值所在行
df[pandas.isnull(df.title)]
#根據關鍵字過濾
df[df.title.str.contains('臺電', na=False)]
#~為取反
df[~df.title.str.contains('臺電', na=False)]
#組合邏輯條件
df[(df.comments>=1000) & (df.comments<=10000)]

6）隨機抽樣

#設置隨機種子
numpy.random.seed(seed=2)
#按照個數抽樣
data.sample(n=10)
#按照百分比抽樣
data.sample(frac=0.02)
#是否可放回抽樣，
#replace=True，可放回, 
#replace=False，不可放回
data.sample(n=10, replace=True)

7）數據匹配

items = pandas.read_csv(
    'D:\\PDA\\4.12\\data1.csv', 
    sep='|', 
    names=['id', 'comments', 'title']
)
prices = pandas.read_csv(
    'D:\\PDA\\4.12\\data2.csv', 
    sep='|', 
    names=['id', 'oldPrice', 'nowPrice']
)
#默認只是保留連接上的部分
itemPrices = pd.merge(
    items, 
    prices, 
    left_on='id', 
    right_on='id',
    how = 'left'
)
#how：連接方式，有inner、left、right、outer，默認為inner；

8）數據合并

data = pd.concat([data1, data2, data3])

9）時間處理

data['時間'] = pandas.to_datetime(
    data.注冊時間, 
    format='%Y/%m/%d'
)
data['格式化時間'] = data.時間.dt.strftime('%Y-%m-%d')
data['時間.年'] = data['時間'].dt.year
data['時間.月'] = data['時間'].dt.month
data['時間.周'] = data['時間'].dt.weekday
data['時間.日'] = data['時間'].dt.day
data['時間.時'] = data['時間'].dt.hour
data['時間.分'] = data['時間'].dt.minute
data['時間.秒'] = data['時間'].dt.second

10）數據標準化

data['scale'] = round(
    (
        data.score-data.score.min()
    )/(
        data.score.max()-data.score.min()
    )
    , 2
)

11）修改列名和索引

#將id列設為索引
df = df.set_index('id')

12）排序

#選定列排序
df.sort_values(by=['age', 'gender'], ascending=[False, True], inplace=True, ignore_index=True)

三、列表格式設置

pd.set_option('display.max_rows',xxx) # 最大行數
pd.set_option('display.min_rows',xxx) # 最小顯示行數
pd.set_option('display.max_columns',xxx) # 最大顯示列數
pd.set_option ('display.max_colwidth',xxx) #最大列字符數
pd.set_option( 'display.precision',2) # 浮點型精度
pd.set_option('display.float_format','{:,}'.format) #逗號分隔數字
pd.set_option('display.float_format',  '{:,.2f}'.format) #設置浮點精度
pd.set_option('display.float_format', '{:.2f}%'.format) #百分號格式化
pd.set_option('plotting.backend', 'altair') # 更改后端繪圖方式
pd.set_option('display.max_info_columns', 200) # info輸出最大列數
pd.set_option('display.max_info_rows', 5) # info計數null時的閾值
pd.describe_option() #展示所有設置和描述
pd.reset_option('all') #重置所有設置選項

“Pandas數據分析常用函數如何使用”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！