本文涉及pandas最常用的36個函數,通過這些函數介紹如何完成數據生成和導入、數據清洗、預處理,以及最常見的數據分類,數據篩選,分類彙總,透視等最常見的操作。
生成數據表
常見的生成數據表的方法有兩種,第一種是導入外部數據,第二種是直接寫入數據。
Excel中的“文件”菜單中提供了獲取外部數據的功能,支持數據庫和文本文件和頁面的多種數據源導入。
Python支持從多種類型的數據導入。在開始使用Python進行數據導入前需要先導入numpy和pandas庫
導入外部數據
裡面有很多可選參數設置,例如列名稱、索引列、數據格式等
直接寫入數據
數據表檢查
數據表檢查的目的是瞭解數據表的整體情況,獲得數據表的關鍵信息、數據的概況,例如整個數據表的大小、所佔空間、數據格式、是否有 空值和重複項和具體的數據內容,為後面的清洗和預處理做好準備。
1.數據維度(行列)
Excel中可以通過CTRL+向下的光標鍵,和CTRL+向右的光標鍵 來查看行號和列號。Python中使用shape函數來查看數據表的維度,也就是行數和列數。
<code>df.shape
/<code>
2.數據表信息
使用info函數查看數據表的整體信息,包括數據維度、列名稱、數據格式和所佔空間等信息。#數據表信息
3.查看數據格式
Excel中通過選中單元格並查看開始菜單中的數值類型來判斷數 據的格式。Python中使用dtypes函數來返回數據格式。
Dtypes是一個查看數據格式的函數,可以一次性查看數據表中所 有數據的格式,也可以指定一列來單獨查看
4.查看空值
Excel中查看空值的方法是使用“定位條件”在“開始”目錄下的“查找和選擇”目錄.
Isnull是Python中檢驗空值的函數
5.查看唯一值
Excel中查看唯一值的方法是使用“條件格式”對唯一值進行顏色 標記。
Python中使用unique函數查看唯一值。
6.查看數據表數值
Python中的Values函數用來查看數據表中的數值
7.查看列名稱
Colums函數用來單獨查看數據表中的列名稱。
8.查看前10行數據
Head函數用來查看數據表中的前N行數據
9.查看後10行數據
Tail行數與head函數相反,用來查看數據表中後N行的數據
數據表清洗
本章介紹對數據表中的問題進行清洗,包括對空值、大小寫問題、數據格式和重複值的處理。
1.處理空值(刪除或填充)
Excel中可以通過“查找和替換”功能對空值進行處理
Python中處理空值的方法比較靈活,可以使用 Dropna函數用來刪除數據表中包含空值的數據,也可以使用fillna函數對空值進行填充。
也可以使用數字對空值進行填充
使用price列的均值來填充NA字段,同樣使用fillna函數,在要填充的數值中使用mean函數先計算price列當前的均值,然後使用這個均值對NA進行填充。
2.清理空格
字符中的空格也是數據清洗中一個常見的問題
3.大小寫轉換
在英文字段中,字母的大小寫不統一也是一個常見的問題。Excel中有UPPER,LOWER等函數,Python中也有同名函數用來解決 大小寫的問題。
4.更改數據格式
Excel中通過“設置單元格格式”功能可以修改數據格式。
Python中通過astype函數用來修改數據格式。
5.更改列名稱
Rename是更改列名稱的函數,我們將來數據表中的category列更改為category-size。
6.刪除重複值
Excel的數據目錄下有“刪除重複項”的功能
Python中使用drop_duplicates函數刪除重複值
city列中beijing存在重複,分別在第一位和最後一位 drop_duplicates()函數刪除重複值
設置keep='last‘’參數後,與之前刪除重複值的結果相反,第一位 出現的beijing被刪除
7.數值修改及替換
Excel中使用“查找和替換”功能就可以實現數值的替換
Python中使用replace函數實現數據替換
數據預處理
本章主要講的是數據的預處理,對清洗完的數據進行整理以便後期的統計和分析工作。主要包括數據表的合併,排序,數值分列,數據分組及標記等工作。
1.數據表合併
在Excel中沒有直接完成數據表合併的功能,可以通過VLOOKUP函數分步實現。在Python中可以通過merge函數一次性實現。
使用merge函數對兩個數據表進行合併,合併的方式為inner,將 兩個數據表中共有的數據匹配到一起生成新的數據表。並命名為 df_inner。
合併的方式還有left,right和outer方式
2.設置索引列
索引列可以進行數據提取,彙總,數據篩選
3.排序(按索引,按數值)
Excel中可以通過數據目錄下的排序按鈕直接對數據表進行排 序
Python中需要使用ort_values函數和sort_index函數完成排序
Sort_index函數用來將數據表按索引列的值進行排序。
4.數據分組
Excel中可以通過VLOOKUP函數進行近似匹配來完成對數值的分組,或者使用“數據透視表”來完成分組
Python中使用Where函數用來對數據進行判斷和分組
還可以對多個字段的值進行判斷後對數據進行分組,下面的代碼中對city列等於beijing並且price列大於等於4000的數據標記為1。
5.數據分列
Excel中的數據目錄下提供“分列”功能。
在Python中使用split函數實現分列在數據表中category列中的數據包含有兩個信息,前面的數字為類別id,後面的字母為size值。中間以連字符進行連接。我們使用split函數對這個字段進行拆分,並將拆分後的數據表匹配回原數據表中。
數據提取
1.按標籤提取(loc)
使用冒號可以限定提取數據的範圍,冒號前面為開始的標籤值後面為結束的標籤值。
Reset_index函數用於恢復索引,這裡我們重新將date字段的日期 設置為數據表的索引,並按日期進行數據提取。
2.按位置提取(iloc)
使用iloc函數按位置對數據表中的數據進行提取,這裡冒號前後 的數字不再是索引的標籤名稱,而是數據所在的位置,從0開始。
iloc函數除了可以按區域提取數據,還可以按位置逐條提取
前面方括號中的0,2,5表示數據所在行的位置,後面方括號中的數表示所在列的位置。
3.按標籤和位置提取(ix)
ix是loc和iloc的混合,既能按索引標籤提取,也能按位置進行數 據提取.
4.按條件提取(區域和條件值)
使用loc和isin兩個函數配合使用,按指定條件對數據進行提取
將isin函數嵌套到loc的數據提取函數中,將判斷結果為Ture數據 提取出來。這裡我們把判斷條件改為city值是否為beijing和shanghai。如果是就把這條數據提取出來。
數據篩選
按條件篩選(與、或、非)
Excel數據目錄下提供了“篩選”功能,用於對數據表按不同的條 件進行篩選。
Python中使用loc函數配合篩選條件來完成篩選功能。配合sum和count函數還能實現Excel中sumif和countif函數的功能。使用“與”條件進行篩選,條件是年齡大於25歲,並且城市為 beijing。
在前面的代碼後面增加city列,並使用count函數進行計數。相當於Excel中的countifs函數的功能
還有一種篩選的方式是用query函數
在前面的代碼後增加price字段和sum函數。對篩選後的price字段 進行求和,相當於Excel中的sumifs函數的功能。
數據彙總
Excel中使用分類彙總和數據透視可以按特定維度對數據進行彙總,Python中使用的主要函數是groupby和pivot_table。
1.分類彙總
還可以對彙總後的數據同時按多個維度進行計算
2.數據透視
Python中通過pivot_table函數實現同樣的效果
數據統計
1.數據採樣
Excel的數據分析功能中提供了數據抽樣的功能
Python通過sample函數完成數據採樣
Weights參數是採樣的權重,通過設置不同的權重可以更改採樣的結果
Sample函數中參數replace,用來設置採樣後是否放回
2.描述統計
Python中可以通過Describe對數據進行描述統計
3.相關分析
Python中則通過corr函數完成相關分析的操作,並返回相關係數。
數據輸出
1.寫入Excel
2.寫入csv
參考
王彥平《從Excel到Python:數據分析進階指南》
閱讀更多 地表嘴強程序員 的文章