Pandas常用技巧有哪些

這篇文章主要為大家展示了“Pandas常用技巧有哪些”，內(nèi)容簡而易懂，條理清晰，希望能夠幫助大家解決疑惑，下面讓小編帶領(lǐng)大家一起研究并學(xué)習(xí)一下“Pandas常用技巧有哪些”這篇文章吧。

1.計(jì)算變量缺失率

df=pd.read_csv('titanic_train.csv') def missing_cal(df):     """     df :數(shù)據(jù)集          return：每個變量的缺失率     """     missing_series = df.isnull().sum()/df.shape[0]     missing_df = pd.DataFrame(missing_series).reset_index()     missing_df = missing_df.rename(columns={'index':'col',                                             0:'missing_pct'})     missing_df = missing_df.sort_values('missing_pct',ascending=False).reset_index(drop=True)     return missing_df missing_cal(df)

如果需要計(jì)算樣本的缺失率分布，只要加上參數(shù)axis=1.

2.獲取分組里最大值所在的行方法

分為分組中有重復(fù)值和無重復(fù)值兩種。

無重復(fù)值的情況。

df = pd.DataFrame({'Sp':['a','b','c','d','e','f'], 'Mt':['s1', 's1', 's2','s2','s2','s3'], 'Value':[1,2,3,4,5,6], 'Count':[3,2,5,10,10,6]}) df

df.iloc[df.groupby(['Mt']).apply(lambda x: x['Count'].idxmax())]

先按Mt列進(jìn)行分組，然后對分組之后的數(shù)據(jù)框使用idxmax函數(shù)取出Count最大值所在的列，再用iloc位置索引將行取出。

有重復(fù)值的情況

df["rank"] = df.groupby("ID")["score"].rank(method="min", ascending=False).astype(np.int64) df[df["rank"] == 1][["ID", "class"]]

對ID進(jìn)行分組之后再對分?jǐn)?shù)應(yīng)用rank函數(shù)，分?jǐn)?shù)相同的情況會賦予相同的排名，然后取出排名為1的數(shù)據(jù)。

3.多列合并為一行

df = pd.DataFrame({'id_part':['a','b','c','d'], 'pred':[0.1,0.2,0.3,0.4], 'pred_class':['women','man','cat','dog'], 'v_id':['d1','d2','d3','d1']})

df.groupby(['v_id']).agg({'pred_class': [', '.join],'pred': lambda x: list(x), 'id_part': 'first'}).reset_index()

4.刪除包含特定字符串所在的行

df = pd.DataFrame({'a':[1,2,3,4], 'b':['s1', 'exp_s2', 's3','exps4'], 'c':[5,6,7,8], 'd':[3,2,5,10]}) df[df['b'].str.contains('exp')]

5.組內(nèi)排序

df = pd.DataFrame([['A',1],['A',3],['A',2],['B',5],['B',9]], columns = ['name','score']) df

介紹兩種高效地組內(nèi)排序的方法。

df.sort_values(['name','score'], ascending = [True,False])  df.groupby('name').apply(lambda x: x.sort_values('score', ascending=False)).reset_index(drop=True)

6.選擇特定類型的列

drinks = pd.read_csv('data/drinks.csv') # 選擇所有數(shù)值型的列 drinks.select_dtypes(include=['number']).head() # 選擇所有字符型的列 drinks.select_dtypes(include=['object']).head() drinks.select_dtypes(include=['number','object','category','datetime']).head() # 用 exclude 關(guān)鍵字排除指定的數(shù)據(jù)類型 drinks.select_dtypes(exclude=['number']).head()

7.字符串轉(zhuǎn)換為數(shù)值

df = pd.DataFrame({'列1':['1.1','2.2','3.3'],                   '列2':['4.4','5.5','6.6'],                   '列3':['7.7','8.8','-']}) df  df.astype({'列1':'float','列2':'float'}).dtypes

用這種方式轉(zhuǎn)換第三列會出錯，因?yàn)檫@列里包含一個代表 0 的下劃線，pandas 無法自動判斷這個下劃線。 為了解決這個問題，可以使用  to_numeric() 函數(shù)來處理第三列，讓 pandas 把任意無效輸入轉(zhuǎn)為 NaN。

df = df.apply(pd.to_numeric, errors='coerce').fillna(0) df

8.優(yōu)化 DataFrame 對內(nèi)存的占用

方法一：只讀取切實(shí)所需的列，使用usecols參數(shù)

cols = ['beer_servings','continent'] small_drinks = pd.read_csv('data/drinks.csv', usecols=cols)

方法二：把包含類別型數(shù)據(jù)的 object 列轉(zhuǎn)換為 Category 數(shù)據(jù)類型，通過指定 dtype 參數(shù)實(shí)現(xiàn)。

dtypes ={'continent':'category'} smaller_drinks = pd.read_csv('data/drinks.csv',usecols=cols, dtype=dtypes)

9.根據(jù)最大的類別篩選 DataFrame

movies = pd.read_csv('data/imdb_1000.csv') counts = movies.genre.value_counts() movies[movies.genre.isin(counts.nlargest(3).index)].head()

10.把字符串分割為多列

df = pd.DataFrame({'姓名':['張 三','李 四','王 五'],                    '所在地':['北京-東城區(qū)','上海-黃浦區(qū)','廣州-白云區(qū)']}) df df.姓名.str.split(' ', expand=True)

11.把 Series 里的列表轉(zhuǎn)換為 DataFrame

df = pd.DataFrame({'列1':['a','b','c'],'列2':[[10,20], [20,30], [30,40]]}) df

df_new = df.列2.apply(pd.Series) pd.concat([df,df_new], axis='columns')

12.用多個函數(shù)聚合

orders = pd.read_csv('data/chipotle.tsv', sep='\t') orders.groupby('order_id').item_price.agg(['sum','count']).head()

13.分組聚合

import pandas as pd df = pd.DataFrame({'key1':['a', 'a', 'b', 'b', 'a'],     'key2':['one', 'two', 'one', 'two', 'one'],     'data1':np.random.randn(5),      'data2':np.random.randn(5)}) df

for name, group in df.groupby('key1'): print(name) print(group)

dict(list(df.groupby('key1')))

通過字典或Series進(jìn)行分組

people = pd.DataFrame(np.random.randn(5, 5),      columns=['a', 'b', 'c', 'd', 'e'],      index=['Joe', 'Steve', 'Wes', 'Jim', 'Travis']) mapping = {'a':'red', 'b':'red', 'c':'blue',      'd':'blue', 'e':'red', 'f':'orange'} by_column = people.groupby(mapping, axis=1) by_column.sum()

以上是“Pandas常用技巧有哪些”這篇文章的所有內(nèi)容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內(nèi)容對大家有所幫助，如果還想學(xué)習(xí)更多知識，歡迎關(guān)注億速云行業(yè)資訊頻道！