python培训-pandas的5种使用技巧

发布时间:2021-10-03 02:20:36 人气:342 作者:admin

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")

python培训-pandas的5种使用技巧

  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/

返回列表
在线客服
联系方式

热线电话

17727591462

上班时间

周一到周五

二维码
线