数据分析 -- Pandas②

数据分析 -- Pandas②

目录

​​数据筛选​​​​给数据打标签​​​​行的查改增删​​

​​查看行​​

​​索引​​​​分片​​​​iloc​​

​​修改行​​

​​情况一​​​​情况二​​

​​新增行​​​​删除行​​

​​数据的分组​​

数据筛选

沿用上一篇的数据：

将每一行四个季度进行求和

df['总和'] = df['第一季度'] + df['第二季度'] + df['第三季度'] + df['第四季度']

若此时我们想要筛选出那些总销售额低于平均值的销售员：

df[df['总和'] < df['总和'].mean()]

这和 NumPy 中数组的布尔索引是一样的，中括号里是筛选条件，返回值是所有符合条件的数据。df[‘总和’] < df[‘总和’].mean() 的结果如下：

0 False1 False2 False3 True4 False5 True6 False7 False8 False9 True10 False11 True12 True13 False14 True15 False16 False17 True18 True19 TrueName: 总和, dtype: bool

符合条件的为 True，不符合条件的为 False。最终 df[df[‘总和’] < df[‘总和’].mean()] 会去除所有结果为 False 的行，只保留下结果为 True 的。最终的返回结果如下：

销售员 团队 第一季度 第二季度 第三季度 第四季度 总和3 李四 D 2104 3939 3285 3461 127895 赵六 B 2545 3747 2232 3472 119969 郑十 B 4935 2617 2424 3833 1380911 蒋十二 D 4509 3673 4717 3489 1638812 毕十三 A 4873 5403 3889 2567 1673214 秦十五 C 1501 2238 1272 2265 727617 沈十八 B 2733 2649 3402 3164 1194818 韩十九 C 1519 1553 1411 2091 657419 杨二十 D 3268 5090 3898 4180 16436

我们也可以写多个条件进行判断，在 pandas 中要表示同时满足，各条件之间要用 ​​&​​​ 符号连接。如果要表示只要满足之一，各条件之间要用 ​​|​​ 符号来连接。并且每个条件要用括号括起来，举个例子：

# 筛选出总和大于 10000 且小于 12000 的df[(df['总和'] > 10000) & (df['总和'] < 12000)]# 筛选出总和小于 5000 或大于 12000 的df[(df['总和'] < 5000) | (df['总和'] > 12000)]

给数据打标签

pandas 的 cut() 方法常用于数据的分类和打标签。

比如：

pd.cut(df['总和'], bins=[0, 1000, 2000, 3000], labels=['不合格', '良好', '优秀'])

上面这段代码的意思是，按照 (0, 1000]、(1000, 2000] 和 (2000, 3000] 的数值区间，把数据分为不合格、良好和优秀三组。

参数详解：

第一个参数是要分类的列；第二个参数​​bins​​ 是分类的方式，即分类区间，默认是左开右闭，设置 bins=[0, 1000, 2000, 3000]，那对应的分类区间就是 (0, 1000]、(1000, 2000] 和 (2000, 3000]。如果你想要左闭右开的方式，可以再添加一个参数 right=False。参数​​labels​​ 分别对应了这三组的标签名。即 (0, 1000] 表示不合格，(1000, 2000] 表示良好，(2000, 3000] 表示优秀。

记得打完标签后一定要新增一个列放进去，要不是显示不出来的。

例如：

df['绩效'] = pd.cut(df['总和'], bins=[0, 1000, 2000, 3000], labels=['不合格', '良好', '优秀'])

行的查改增删

首先，我们用 DataFrame 构建一个简单的表格：

import pandas as pddf = pd.DataFrame({'辣条': [14, 20], '面包': [7, 3], '可乐': [8, 13], '烤肠': [10, 6]})

然后我们能得到下面这样的表格：

辣条 面包 可乐 烤肠0 14 7 8 101 20 3 13 6

列是通过列名来获取的，同理，行是通过最左边的索引来获取。在不指定的情况下，索引值默认从 0 开始依次递增。我们可以使用 ​​loc​​ 基于索引进行表格行的查改增删。

查看行

索引

以查看上面表格中第一行的数据为例，代码如下：

print(df.loc[0])

注意，loc 并不是一个方法，而是类似于字典。所以我们使用的是 [] 而不是 ()

运行结果：

辣条 14面包 7可乐 8烤肠 10Name: 0, dtype: int64

如果你在构建表格时像下面这样单独设置了索引，同样也可以用对应的索引值来获取表格行的数据：

import pandas as pddata = { '辣条': [14, 20], '面包': [7, 3], '可乐': [8, 13], '烤肠': [10, 6]}df = pd.DataFrame(data, index=['2020-01-01', '2020-01-02'])print(df.loc['2020-01-01'])

上面的代码中，表格的索引是日期。我们查看对应日期的数据时就需要将对应的日期作为索引，运行结果如下：

辣条 14面包 7可乐 8烤肠 10Name: 2020-01-01, dtype: int64

除了第一个参数索引外，还支持第二个参数列名。即同时基于行和列获取指定的数据，比如：

print(df.loc[0, '辣条'])

分片

例如：

# 行分片print(df.loc[0:1, '辣条'])# 列分片print(df.loc[0, '辣条':'可乐'])# 同时分片print(df.loc[0:1, '辣条':'可乐'])

需要注意的是，这里的分片和 Python 中列表的分片不太一样，这里的分片结果是前后都包含的，而列表分片只包含前面不包含后面。

运行结果：

0 141 20Name: 辣条, dtype: int64辣条 14面包 7可乐 8Name: 0, dtype: int64 辣条 面包 可乐0 14 7 81 20 3 13

你也可以通过省略冒号前后的内容来实现全选，例如：df.loc[:, ‘辣条’:‘可乐’]，这一点和列表的分片是一样的。

loc 同时也支持布尔索引来进行数据的筛选，比如获取辣条销量大于 15 的数据：

df.loc[df['辣条'] > 15]

上面的写法等价于 df[df[‘辣条’] > 15]，不同之处在于 loc 还能通过第二个参数筛选出只想查看的列，比如：

print(df.loc[df['辣条'] > 15, ['辣条', '面包']])

结果：

辣条 面包1 20 3

多条件筛选的写法与前面一样

iloc

除了比较常用的 loc 之外，我们还能使用 iloc。用法和 loc 一样，区别在于 loc 使用的参数是索引，而 iloc 的参数是位置，即第几行。因此，在不指定索引的情况下，loc 和 iloc 的效果是一样的。但当单独指定了索引，我们想获取前 3 行数据时可以像下面这样写：

import pandas as pddata = { '辣条': [14, 20, 12, 15, 17], '面包': [7, 3, 8, 3, 9], '可乐': [8, 13, 23, 12, 19], '烤肠': [10, 6, 21, 24, 18]}df = pd.DataFrame(data, index=['2020-01-01', '2020-01-02', '2020-01-03', '2020-01-04', '2020-01-05'])print(df.iloc[:3]) # :3 表示 0、1、2 前三行

结果：

2020-01-01 14 7 8 102020-01-02 20 3 13 62020-01-03 12 8 23 21

注意：索引变成了日期，想要按位置获取数据的话只能使用 iloc，这时如果使用 df.loc[:3] 将会报错。

注意，iloc 的分片和 Python 的列表分片一样，要和 loc 的分片规则区分开来。

修改行

假设某行的数据有问题，我们需要进行修正。修改起来同样也很简单，直接赋值即可。这里分为两种情况：

赋值为一个数字；赋值为长度和列数相等列表。

情况一

对于第一种情况，这一行所有的数据都会被修改成同样的数字：

df.loc[0] = 1 # 第一行都改成 1print(df)

结果：

辣条 面包 可乐 烤肠0 1 1 1 11 20 3 13 6

情况二

而第二种情况则是按列表顺序修改对应的列：

# 按顺序修改成 1 2 3 4df.loc[0] = [1, 2, 3, 4]print(df)

辣条 面包 可乐 烤肠0 1 2 3 41 20 3 13 6

当然你也可以使用例如 df.loc[0, ‘辣条’] = 23 定位到行和列来修改特定的数据。

新增行

行和列的基本操作都是类似的，只是具体的方式不同。新增行也是如此，只需传入表格中不存在的索引即可。

例如：

# 添加第三行，全为 1df.loc[2] = 1# 添加第四行，分别为 1 2 3 4df.loc[3] = [1, 2, 3, 4]print(df)

结果：

辣条 面包 可乐 烤肠0 14 7 8 101 20 3 13 62 1 1 1 13 1 2 3 4

注意：在新增行时，是不能使用 iloc 传入索引的.（所以在新增行的时候就不要使用iloc了）

删除行

删除行和删除列一样，都是使用 drop() 方法。删除列的使用传入了 axis=1 表示对列进行删除，axis 默认为 0，因此删除行时省略 axis 参数即可。

df.drop(0, inplace=True) # 删除第一行print(df)# 或者 print(df.drop(0))

数据的分组

pandas 提供了 groupby() 方法用于数据的分组，第一个参数用于指定按哪一列进行分组。

例如现在我们有数据：

我们要按团队分组就可以像下面这样写：

df.groupby('团队')

但仅仅进行分组是没有结果的(实际上它返回的是一个分组后的对象，你不能直接打印出来看)，还需要调用 max()、min()、mean()、sum() 等方法进行分组后的计算。 就像：

print(df.groupby('团队').sum())

分组统计后的结果如下：

第一季度 第二季度 第三季度 第四季度 总和团队 A 25720 28139 24512 22206 100577B 18059 17369 19791 19532 74751C 14770 17239 19409 20353 71771D 20834 22298 22474 23603 89209

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。