分享在数据分析过程中最常使用的Python函数和方法

　　我们知道 Pandas 是 Python 中最广泛使用的数据分析和操作库。它提供了许多功能和方法，可以快速解决数据分析中数据处理问题。

　　为了更好的掌握 Python 函数的使用方法，我以客户流失数据集为例，分享在数据分析过程中最常使用的函数和方法。

　　数据如下所示：

　　import numpy as np

　　import pandas as pd

　　df = pd.read_csv("Churn_Modelling.csv")

　　print(df.shape)

　　df.columns

　　结果输出：

　　(10000, 14)

　　Index(['RowNumber', 'CustomerId', 'Surname', 'CreditScore', 'Geography','Gender', 'Age', 'Tenure', 'Balance', 'NumOfProducts', 'HasCrCard','IsActiveMember', 'EstimatedSalary', 'Exited'],dtype='object')

　　1.删除列

　　df.drop(['RowNumber', 'CustomerId', 'Surname', 'CreditScore'], axis=1, inplace=True)

　　print(df[:2])

　　print(df.shape)

　　结果输出：

　　说明：「axis」 参数设置为 1 以放置列，0 设置为行。「inplace=True」 参数设置为 True 以保存更改。我们减了 4 列，因此列数从 14 个减少到 10 列。

　　Geography Gender Age Tenure Balance NumOfProducts HasCrCard \

　　0 France Female 42 2 0.0 1 1

　　IsActiveMember EstimatedSalary Exited

　　0 1 101348.88 1

　　(10000, 10)

　　2.选择特定列

　　我们从 csv 文件中读取部分列数据。可以使用 usecols 参数。

　　df_spec = pd.read_csv("Churn_Modelling.csv", usecols=['Gender', 'Age', 'Tenure', 'Balance'])

　　df_spec.head()

　　3.nrows

　　可以使用 nrows 参数，创建了一个包含 csv 文件前 5000 行的数据帧。还可以使用 skiprows 参数从文件末尾选择行。Skiprows=5000 表示我们将在读取 csv 文件时跳过前 5000 行。

　　df_partial = pd.read_csv("Churn_Modelling.csv", nrows=5000)

　　print(df_partial.shape)

　　4.样品

　　创建数据框后，我们可能需要一个小样本来测试数据。我们可以使用 n 或 frac 参数来确定样本大小。

　　df= pd.read_csv("Churn_Modelling.csv", usecols=['Gender', 'Age', 'Tenure', 'Balance'])

　　df_sample = df.sample(n=1000)

　　df_sample2 = df.sample(frac=0.1)

　　5.检查缺失值

　　isna 函数确定数据帧中缺失的值。通过将 isna 与 sum 函数一起使用，我们可以看到每列中缺失值的数量。

　　df.isna().sum()

　　6.使用 loc 和 iloc 添加缺失值

　　使用 loc 和 iloc 添加缺失值，两者区别如下：

　　·loc：选择带标签

　　· iloc：选择索引

　　我们首先创建 20 个随机索引进行选择：

　　missing_index = np.random.randint(10000, size=20)

　　我们将使用 loc 将某些值更改为 np.nan(缺失值)。

　　df.loc[missing_index, ['Balance','Geography']] = np.nan

　　"Balance"和"Geography"列中缺少 20 个值。让我们用 iloc 做另一个示例。

　　df.iloc[missing_index, -1] = np.nan

　　7.填充缺失值

　　fillna 函数用于填充缺失的值。它提供了许多选项。我们可以使用特定值、聚合函数(例如均值)或上一个或下一个值。

　　avg = df['Balance'].mean()

　　df['Balance'].fillna(value=avg, inplace=True)

　　fillna 函数的方法参数可用于根据列中的上一个或下一个值(例如方法="ffill")填充缺失值。它可以对顺序数据(例如时间序列)非常有用。

　　8.删除缺失值

　　处理缺失值的另一个方法是删除它们。以下代码将删除具有任何缺失值的行。

　　df.dropna(axis=0, how='any', inplace=True)

　　9.根据条件选择行

　　在某些情况下，我们需要适合某些条件的观测值(即行)。

　　france_churn = df[(df.Geography == 'France') & (df.Exited == 1)]

　　france_churn.Geography.value_counts()

　　10.用查询描述条件

　　查询函数提供了一种更灵活的传递条件的方法。我们可以用字符串来描述它们。

　　df2 = df.query('80000 < Balance < 100000')

　　df2 = df.query('80000 < Balance < 100000'

　　df2 = df.query('80000 < Balance < 100000')

　　11.用 isin 描述条件

　　条件可能有多个值。在这种情况下，最好使用 isin 方法，而不是单独编写值。

　　df[df['Tenure'].isin([4,6,9,10])][:3]

　　12.Groupby 函数

　　Pandas Groupby 函数是一个多功能且易于使用的功能，可帮助获取数据概述。它使浏览数据集和揭示变量之间的基本关系更加容易。

　　我们将做几个组比函数的示例。让我们从简单的开始。以下代码将基于 Geography、Gender 组合对行进行分组，然后给出每个组的平均流。

　　df[['Geography','Gender','Exited']].groupby(['Geography','Gender']).mean()

　　13.Groupby与聚合函数结合

　　agg 函数允许在组上应用多个聚合函数，函数的列表作为参数传递。

　　df[['Geography','Gender','Exited']].groupby(['Geography','Gender']).agg(['mean','count'])

　　以上内容为大家介绍了数据分析过程中最常使用的Python函数和方法，希望对大家有所帮助，如果想要了解更多Python相关知识，请关注多测师。https://www.e70w.com/xwzx/