python培训-pandas的5种使用技巧

python培训-pandas的5种使用技巧

　　Python 正迅速成为数据科学家们更为钟爱的编程语言。形成该现状的理由非常充分：Python 提供了一种覆盖范围更为广阔的编程语言生态系统，以及具有一定计算深度且性能良好的科学计算库。

　　在 Python 自带的科学计算库中，Pandas 模块是最适于数据科学相关操作的工具。本文着重介绍了 Python 中数据处理的5种方法。

　　首先导入相关模块并加载数据集到 Python 环境中：

　　import pandas as pd

　　import numpy as np

　　data = pd.read_csv("***.csv", index_col="Loan_ID")

　　1、Apply 函数

　　Apply 函数是处理数据和建立新变量的常用函数之一。在向数据框的每一行或每一列传递指定函数后，Apply 函数会返回相应的值。这个由 Apply 传入的函数可以是系统默认的或者用户自

　　def num_missing(x):

　　return sum(x.isnull())

　　#Applying per column:

　　print "Missing values per column:"

　　print data.apply(num_missing, axis=0)

　　2、填补缺失值

　　fillna() 函数可一次性完成填补功能。它可以利用所在列的均值/众数/中位数来替换该列的缺失数据。下面利用“Gender”、“Married”、和“Self_Employed”列中各自的众数值填补对应列的缺失数据。

　　from scipy.stats import mode

　　mode(data['Gender'])

　　3、 数据透视表

　　Pandas 可建立 MS Excel 类型的数据透视表。例如在下文的代码段里，关键列“LoanAmount” 存在缺失值。我们可以根据“Gender”，“Married”和“Self_Employed”分组后的平均金额来替换。 “LoanAmount”的各组均值可由如下方法确定

　　4、复合索引

　　如果您注意观察#3计算的输出内容，会发现它有一个奇怪的性质。即每个索引均由三个数值的组合构成，称为复合索引。它有助于运算操作的快速进行。

　　从#3的例子继续开始，已知每个分组数据值但还未进行数据填补。具体的填补方式可结合此前学到的多个技巧来完成。

　　for i,row in data.loc[data['LoanAmount'].isnull(),:].iterrows():

　　ind = tuple([row['Gender'],row['Married'],row['Self_Employed']])

　　data.loc[i,'LoanAmount'] = impute_grps.loc[ind].values[0]

　　#Now check the #missing values again to confirm:

　　print data.apply(num_missing, axis=0)

　　5、Crosstab 函数

　　该函数用于获取数据的初始印象(直观视图)，从而验证一些基本假设。例如在本例中，“Credit_History”被认为会显著影响贷款状态。这个假设可以通过如下代码生成的交叉表进行验证：

　　pd.crosstab(data["Credit_History"],data["Loan_Status"],margins=True)

　　以上是关于pandas的5种使用技巧分享，由多测师亲自撰写。https://www.e70w.com/