Pandas 最细致教程_后端开发
2020-09-19后端开发搜奇网124°c
A+ A-相干进修引荐:python教程
Python 是开源的,它很棒,然则也没法防止开源的一些固有问题:许多包都在做(或许在尝试做)一样的事变。假如你是 Python 新手,那末你很难晓得某个特定使命的最好包是哪一个,你须要有履历的人通知你。有一个用于数据科学的包相对是必须的,它就是 pandas。
pandas 最风趣的处所在于内里隐蔽了许多包。它是一个核心包,内里有许多其他包的功用。这点很棒,由于你只须要运用 pandas 就可以够完成事情。
pandas 相当于 python 中 excel:它运用表(也就是 dataframe),能在数据上做种种变更,但另有其他许多功用。
假如你早已熟知 python 的运用,能够直接跳到第三段。
让我们入手下手吧:
import pandas as pd复制代码
别问为什么是「pd」而不是「p」,就是如许。用就好了:)
pandas 最基础的功用
读取数据
data = pd.read_csv( my_file.csv ) data = pd.read_csv( my_file.csv , sep= ; , encoding= latin-1 , nrows=1000, skiprows=[2,5])复制代码
sep 代表的是分隔符。假如你在运用法语数据,excel 中 csv 分隔符是「;」,因而你须要显式地指定它。编码设置为 latin-1 来读取法语字符。nrows=1000 示意读取前 1000 行数据。skiprows=[2,5] 示意你在读取文件的时刻会移除第 2 行和第 5 行。
最经常使用的功用:read_csv, read_excel
其他一些很棒的功用:read_clipboard, read_sql
写数据
data.to_csv( my_new_file.csv , index=None)复制代码
index=None 示意将会以数据原本的模样写入。假如没有写 index=None,你会多出一个第一列,内容是 1,2,3,...,一向到末了一行。
我一般不会去运用其他的函数,像.to_excel, .to_json, .to_pickle 等等,由于.to_csv 就可以很好地完成事情,而且 csv 是最经常使用的表格保留体式格局。
搜检数据

Gives (#rows, #columns)复制代码
给出行数和列数
data.describe()复制代码
盘算基础的统计数据
检察数据
data.head(3)复制代码
打印出数据的前 3 行。与之相似,.tail() 对应的是数据的末了一行。
data.loc[8]复制代码
打印出第八行
data.loc[8, column_1 ]复制代码
打印第八行名为「column_1」的列
data.loc[range(4,6)]复制代码
第四到第六行(左闭右开)的数据子集
pandas 的基础函数
逻辑运算
data[data[ column_1 ]== french ] data[(data[ column_1 ]== french ) & (data[ year_born ]==1990)] data[(data[ column_1 ]== french ) & (data[ year_born ]==1990) & ~(data[ city ]== London )]复制代码
经由过程逻辑运算来取数据子集。要运用 & (AND)、 ~ (NOT) 和 | (OR),必须在逻辑运算前后加上「and」。
data[data[ column_1 ].isin([ french , english ])]复制代码
除了能够在统一列运用多个 OR,你还能够运用.isin() 函数。
基础绘图
matplotlib 包使得这项功用成为可能。正如我们在引见中所说,它能够直接在 pandas 中运用。
data[ column_numerical ].plot()复制代码

().plot() 输出的示例
data[ column_numerical ].hist()复制代码
画出数据散布(直方图)

.hist() 输出的示例
%matplotlib inline复制代码
假如你在运用 Jupyter,不要忘记在绘图之前加上以上代码。
更新数据
data.loc[8, column_1 ] = english 将第八行名为 column_1 的列替换为「english」复制代码
data.loc[data[ column_1 ]== french , column_1 ] = French复制代码
在一行代码中改变多列的值
好了,如今你能够做一些在 excel 中能够轻松接见的事变了。下面让我们深入研究 excel 中没法完成的一些使人惊异的操纵吧。
中级函数
统计涌现的次数
data[ column_1 ].value_counts()复制代码

.value_counts() 函数输出示例
在一切的行、列或许全数据上举行操纵
data[ column_1 ].map(len)复制代码
len() 函数被运用在了「column_1」列中的每个元素上
.map() 运算给一列中的每个元素运用一个函数
data[ column_1 ].map(len).map(lambda x: x/100).plot()复制代码
pandas 的一个很好的功用就是链式要领(tomaugspurger.github.io/method-chai… 和.plot())。
data.apply(sum)复制代码
.apply() 会给一个列运用一个函数。
.applymap() 会给表 (DataFrame) 中的一切单位运用一个函数。
tqdm, 唯一的
在处置惩罚大规模数据集时,pandas 会消费一些时候来举行.map()、.apply()、.applymap() 等操纵。tqdm 是一个能够用来协助展望这些操纵的实行什么时候完成的包(是的,我撒谎了,我之前说我们只会运用到 pandas)。
from tqdm import tqdm_notebook tqdm_notebook().pandas()复制代码
用 pandas 设置 tqdm
data[ column_1 ].progress_map(lambda x: x.count( e ))复制代码
用 .progress_map() 替代.map()、.apply() 和.applymap() 也是相似的。

在 Jupyter 中运用 tqdm 和 pandas 获得的进度条
相干性和散射矩阵
data.corr() data.corr().applymap(lambda x: int(x*100)/100)复制代码

.corr() 会给出相干性矩阵
pd.plotting.scatter_matrix(data, figsize=(12,8))复制代码

散点矩阵的例子。它在统一幅图中画出了两列的一切组合。
pandas 中的高等操纵
The SQL 关联
在 pandas 中完成关联是异常异常简朴的
data.merge(other_data, on=[ column_1 , column_2 , column_3 ])复制代码
关联三列只须要一行代码
分组
一入手下手并非那末简朴,你起首须要控制语法,然后你会发明你一向在运用这个功用。
data.groupby( column_1 )[ column_2 ].apply(sum).reset_index()复制代码
按一个列分组,挑选另一个列来实行一个函数。.reset_index() 会将数据重组成一个表。

正如前面诠释过的,为了优化代码,在一行中将你的函数连接起来。
行迭代
dictionary = {} for i,row in data.iterrows(): dictionary[row[ column_1 ]] = row[ column_2 ]复制代码
.iterrows() 运用两个变量一同轮回:行索引和行的数据 (上面的 i 和 row)
总而言之,pandas 是 python 成为精彩的编程言语的缘由之一
我本能够展现更多风趣的 pandas 功用,然则已写出来的这些足以让人明白为什么数据科学家离不开 pandas。总结一下,pandas 有以下长处:
易用,将一切庞杂、笼统的盘算都隐蔽在背地了;
直观;
疾速,纵然不是最快的也是异常快的。
它有助于数据科学家疾速读取和明白数据,进步其事情效率
以上就是Pandas 最细致教程的细致内容,更多请关注ki4网别的相干文章!