import numpy import pandas from pandas import Series,DataFrame
與numpy.concatenate函數相似只是多了一些參數: -- objs -- axis() -- keys -- join='outer'/ 'inter': 表示級聯方式,outer會將全部的項進行級聯(忽略是否匹配),inner只會將匹配的級聯 -- ignore_index=False
df1 = DataFrame(data=numpy.random.randint(0,100,size=(3,3)),index=['a','b','c'],columns=['A','B','C']) df2 = DataFrame(data=numpy.random.randint(0,100,size=(3,3)),index=['a','e','c'],columns=['A','E','C']) pandas.concat((df1,df1),axis=0,join='outer') pandas.concat((df1,df2),axis=0,join='inner')
1.merge和concat區別在於,merge須要依據某一共同的列來進行合併 2.使用pandas.merge()合併時,會自動根據二者相同column名稱的列,做爲key進行合併 3.注意每一列元素順序能夠不一致 參數: - how: out取並集,inner取交集 - on: 當有多列相同的時候,能夠用on指定哪一列進行合併.on的值爲一個列名
一對一合併(多對一和多對多同理) df1 = DataFrame({ 'employee':['Lias','Bob','Jack'], 'hire_date':[2000,2004,2008] }) df2 = DataFrame({ 'employee':['Bob','Jack','Lias'], 'group':['Account','Engineer','Engineer'] }) pandas.merge(df1,df2,how='outer') # 合併,取並集,默認employee做爲key
df.sort.index() # 按索引排序數組
df.sort.values() # 對元素排序app
Series替換操做
單值替換
普通替換
字典替換(推薦)
多值替換
列表替換
字典替換(推薦)
參數
to_replace:被替換的元素
s = Series(data=[3,4,5,6,8,10,9]) s.replace(to_replace=6,value='six')
s.replace(to_replace=[3,4],value=['三','四'])
單值替換 普通替換:替換全部符合要求的元素:to_replace=666,value='六六六' 按列指定單值替換:to_replace={列標籤:須要被替換值} value='要換成的值' 多值替換 列表替換:to_replace=[] value=[] 字典替換(推薦): to_replace={to_replace:value}
df.replace(to_replace=666,value='六六六') df.replace(to_replace={30:'參拾'})
map()能夠映射新一列數據
map()中可使lambda表達式
map()可使用方法,能夠是自定義方法
eg:map({to_replace:value}) 注意 map中不能使用sum之類的函數
dic = { 'name':['jay','tom','jay'], 'salary':[12000,800,12000] } df = DataFrame(data=dic)
# 映射關係表
dic ={ 'jay':'周杰倫', 'tom':'湯姆' } df['c_name']= df['name'].map(dic) # map是Series的方法,因此要先取到Series對象
def after_salary(s): if s<=3000: return s return s - (s-3000)*0.5
# 超過3000部分的錢繳納50%的稅
df['after_salary'] = df['salary'].map(after_salary) # 這個salary就是after_salary函數中的參數s
使用df.std()函數能夠求的DataFrame對象每一列的標準差 建立一個1000行3列的df範圍(0-1),求每一列的標準差
df = DataFrame(data=numpy.random.random(size=(1000,3)),columns=['A','B','C']) 對df進行刪選,去除標準差太大的數據,過濾條件爲C列的數據大於兩倍的C列標準差 double_std = df['C'].std()*2 # C列的標準差的2倍
~(df['C'] > double_std) df.loc[~(df['C'] > double_std)] # 清洗過的數據
使用 .take()函數排序 - take()函數接收一個索引列表,用數字表示,使得df根據列表中索引的順序進行排序 - eg:df.take([1,3,5,2,4])
# df = DataFrame(data=numpy.random.random(size=(1000,3)),columns=['A','B','C'])
df.take([2,1,0],axis=1) # take的axis和drop是同樣的, 1表明列 用隱式索引
df.take(numpy.random.permutation(3),axis=1) #也會生成3列
數據聚合是數據處理的最後一步,一般是要使每個數組生成一個單一的值 數據分類處理: - 分組:先把數據分爲幾組 - 用函數處理:爲不一樣組的數據應用不一樣函數以轉換數據 - 合併:把不一樣組獲得的結果合併起來 數據分類處理的核心: - groupby()函數 - groups屬性:查看分組狀況 - eg: df.groupby(by='item').groups
from pandas import DataFrame,Series df = DataFrame({ 'item':['Apple','Banana','Orange','Banana','Orange','Apple'], 'price':[4,3,3,2,5,4], 'color':['red','yellow','yellow','green','green','green'], 'weight':[12,20,50,30,20,44] })
df.groupby(by='item',axis=0).groups # 給df建立一個新列,內容爲各個水果的平均價格
mean_price = df.groupby(by='item',axis=0)['price'].mean() dic = mean_price.to_dict() #變成字典格式
df['mean_price'] = df['item'].map(dic)
使用groupby分組後,也可使用transform和apply提供自定義函數實現更多的運算 df.groupby('item')['price'].sum() <==> df.groupby('item')['price'].apply(sum) transform和apply都會進行運算,在transform或者apply中傳入函數便可 transform和apply能夠傳入lambda表達式
def func(s): sum = 0 for i in s: sum += i return sum/s.size # 使用apply函數求出水果的平均價格
df.groupby(by='item')['price'].apply(func) # 返回的是沒有映射的數據,func怎麼定義根據調用它的數據類型決定
df.groupby(by='item')['price'].transform(func) # 返回的是映射過的數據
### 補充一下dom
df['color'].value_counts() # 計數