python-pandas整理

    pandas和numpy一样允许通过索引对原DataFrame直接进行操作,对于其的某些方法,可能还内置inplace属性,这个属性为True将直接改变原DataFrame。同时pandas允许利用一次查询的结果来进行二次查询,与数据库操作有着非常相似的地方。下面只记录了一些我经常用的。

一.pandas \textbf{一.pandas} .pandas

导入包:

import pandas as pd
import time
import datetime
import matplotlib.pyplot as plt

1.数据读写 ( p d . r e a d _ c s v , p d . t o _ c s v ) (pd.read\_csv, pd.to\_csv) (pd.read_csv,pd.to_csv)

import pandas as pd
# 读取文件(csv)
df = pd.read_csv("./Reviews.csv")

# 写入文件
df.to_csv("./1.csv")

    如果在读取文件的时候不想要列索引,则设置其header属性为None。
    如果想要读取n行,则设置其nrows属性为n。

2.数据描述 ( d f . d e s c r i b e ( ) , d f . i n f o ( ) , d f . c o l u m n s , d f . i n d e x , d f . s h a p e , d f . d u p l i c a t e d ( ) , d f . d t y p e s ) (df.describe(), df.info(), df.columns, df.index, df.shape, df.duplicated(), df.dtypes) (df.describe(),df.info(),df.columns,df.index,df.shape,df.duplicated(),df.dtypes)

    在进行数据处理前,可以先去查看数据的相关信息。

# dataframe统计描述,只对表中的数值数据进行计算的描述
print(df.describe())

# 查看表的数据信息
print(df.info())

# dataframe的列名和行名,如果没有名字,返回RangeIndex(start=0, stop=20004, step=1)
print(df.columns)
print(df.index)

# dataframe的形状
print(df.shape)

# 查看重复的记录:显示靠后的重复记录
print(df[df.duplicated()])

# 重复记录的数量
print("sum = ", df.duplicated().sum())

# 查看各字段数据类型
print(df.dtypes)

    df.duplicated()返回的实际上是布尔类型的值,靠后的重复的记录的布尔值为True。

3.数据选择 ( d f . h e a d , d f . t a i l , d f . l o c , 直 接 索 引 ) (df.head, df.tail, df.loc, 直接索引) (df.head,df.tail,df.loc,)

# 从头取出100行
print(df.head(100))

# 从末尾往前取100行
print(df.tail(100))

# 提取前3行
print(df[0:3])

# 提取指定列
print(df[["Id", "ProductId"]])

# 提取前四行的Id和ProductId列
print(df.loc[0:3, ["Id", "ProductId"]])
print(df[0:4][["Id", "ProductId"]])

# 提取前4行,如果只提供一个索引默认提取行
print(df.loc[:3])

# 提取前四列
print(df.loc[:, df.columns[:4]])

# 提取第二行第二列的数据
print(df.loc[1, df.columns[1]])

# 条件过滤:选取Score大于3且Id等于10000的行,提供多个条件,每个条件都需要打括号
print(df[(df["Score"] > 3) & (df["Id"] == 10000)])
print(df.loc[(df["Score"] > 3) & (df["Id"] == 10000)])

4.数据处理及清洗 ( d f . v a l u e s , d f . s o r t _ v a l u e s , d f . g r o u p b y , d f . i s n u l l ( ) , d f . n o t n u l l ( ) , d f . w h e r e , d f . f i l l n a , d f . d r o p n a ) (df.values, df.sort\_values, df.groupby, df.isnull(), df.notnull(), df.where, df.fillna, df.dropna) (df.values,df.sort_values,df.groupby,df.isnull(),df.notnull(),df.where,df.fillna,df.dropna)

# 转换为二维数组,实际是获取数据的真实值,这个值将用多维数组存着
print(df.values)

# 按Score列排序:默认升序排序,ascending=False降序排序
print(df.sort_values("Score")["Score"])
print(df.sort_values("Score", ascending=False)["Score"])

# 按Score分组并求每一个分组中所有Score的和:分组之后进行一些操作,这里是求和
print(df.groupby("Score").sum())

# 查看重复的记录:从后往前显示所有重复记录
print(df[df.duplicated()])

# 查看Id重复的记录:从后往前显示所有重复记录
print(df[df.duplicated("Id")])

# 重复记录的数量
print("sum = ", df.duplicated().sum())

# 删除重复行,inplace=True代表直接对df进行操作
df.drop_duplicates(inplace=True)
print("sum = ", df.duplicated().sum())

# 查看各列缺失值的数量
print(df.isnull().sum())

# 查看各列不是缺失值的数量
print(df.notnull().sum())

# 查看缺失值情况,如果缺失值,对应位置填充为False,否则为True
print(df.notnull())

# 将缺失值替换为-1
print(df.where(df.notnull(), -1))

# 字符串代替缺失值
print(df.fillna('missing'))

# 删除有空值的行
print(df.dropna(axis=0))

# 删除有空值的列
print(df.dropna(axis=1))

5.数据计算 ( m e a n , m a x , s u m , s t d ) (mean,max,sum,std) (mean,max,sum,std)

print(df["Score"].mean())
print(df["Score"].max())
print(df["Score"].sum())
print(df["Score"].std())

6.数据类型强制转换 ( a s t y p e , a p p l y ) (astype,apply) (astype,apply)

# 先打印一下各列的数据类型信息
print(df.dtypes)
# df["Score"] = df["Score"].astype("object")达成一样的效果
df["Score"] = df["Score"].apply(lambda x: str(x))
print(df.info())

    object代表字符串类型。

7.时序数据处理 ( p d . d a t e _ r a n g e , p d . S e r i e s , d f . s e t _ i n d e x ) (pd.date\_range, pd.Series, df.set\_index) (pd.date_range,pd.Series,df.set_index)

# 打印系统时间戳
print(time.time())

# 打印系统时间
localtime = time.localtime()
print("{}-{}-{} {}:{}:{}".format(localtime.tm_year, localtime.tm_mon, localtime.tm_mday,
                                 localtime.tm_hour, localtime.tm_min, localtime.tm_sec))

# 将系统时间转换为时间戳
print(time.mktime(localtime))

# 将时间戳转换为系统时间
print(time.strftime("%y-%m-%d %X", time.localtime(time.time())))

# 创建起始时间
start_time = datetime.datetime(2021, 1, 1)
print(start_time)

# 创建时间序列:起始时间为2021-1-1, 周期数为31, 时间步长为2天
time_sequence = pd.date_range(start=start_time, periods=31, freq="2D")
print(time_sequence)

# 创建时间序列:起始时间为2021-1-1, 终止时间为2021-2-1,时间步长为12h
end_time = datetime.datetime(2021, 2, 1)
time_sequence = pd.date_range(start=start_time, end=end_time, freq="12H")
print(time_sequence)

# 生成DataFrame,以时间序列作为行索引
time_data_frame = pd.Series([i for i in range(len(time_sequence))], index=time_sequence)
print(time_data_frame)

# 取出一个时间的年月日
print(time_data_frame.index[2].year, time_data_frame.index[2].month, time_data_frame.index[2].day)

# 先清除含有空值的行再将时间戳转换为格式化显示的时间
df = df.dropna(axis=0)
df["Time"] = df["Time"].apply(lambda x: time.strftime("%Y-%m-%d %X", time.localtime(x)))
print(df["Time"])

# 将经过转换的时间设置为行索引并按时间排序
df = df.set_index("Time").sort_values("Time")

# 制作随时间变化的Score图(可以支持多个列,也就是可以同时画多条曲线)
df["Score"][1:50].plot(grid=True, color="r")
plt.show()

    pandas还有许多操作,比如表的连接操作,完全就是数据库的操作,由于我没怎么用过就没整理了。

热门文章

暂无图片
编程学习 ·

exe4j详细使用教程(附下载安装链接)

一、exe4j介绍 ​ exe4j是一个帮助你集成Java应用程序到Windows操作环境的java可执行文件生成工具,无论这些应用是用于服务器,还是图形用户界面(GUI)或命令行的应用程序。如果你想在任务管理器中及Windows XP分组的用户友好任务栏…
暂无图片
编程学习 ·

AUTOSAR从入门到精通100讲(126)-浅谈车载充电系统通信方案

01 引言 本文深入研究车载充电系统策略,设计出一套基于电动汽车电池管理系统与车载充电机的CAN通信协议,可供电动汽车设计人员参考借鉴。 02 电动汽车充电系统通讯网络 电动汽车整车控制系统中采用的是CAN总线通信方式,由一个整车内部高速CAN网络、内部低速CAN网络和一个充电…
暂无图片
编程学习 ·

CMake(九):生成器表达式

当运行CMake时,开发人员倾向于认为它是一个简单的步骤,需要读取项目的CMakeLists.txt文件,并生成相关的特定于生成器的项目文件集(例如Visual Studio解决方案和项目文件,Xcode项目,Unix Makefiles或Ninja输入文件)。然…
暂无图片
编程学习 ·

47.第十章 网络协议和管理配置 -- 网络配置(八)

4.3.3 route 命令 路由表管理命令 路由表主要构成: Destination: 目标网络ID,表示可以到达的目标网络ID,0.0.0.0/0 表示所有未知网络,又称为默认路由,优先级最低Genmask:目标网络对应的netmaskIface: 到达对应网络,应该从当前主机哪个网卡发送出来Gateway: 到达非直连的网络,…
暂无图片
编程学习 ·

元宇宙技术基础

请看图: 1、通过AR、VR等交互技术提升游戏的沉浸感 回顾游戏的发展历程,沉浸感的提升一直是技术突破的主要方向。从《愤怒的小鸟》到CSGO,游戏建模方式从2D到3D的提升使游戏中的物体呈现立体感。玩家在游戏中可以只有切换视角,进而提升沉浸…
暂无图片
编程学习 ·

flink的伪分布式搭建

一 flink的伪分布式搭建 1.1 执行架构图 1.Flink程序需要提交给 Job Client2.Job Client将作业提交给 Job Manager3.Job Manager负责协调资源分配和作业执行。 资源分配完成后,任务将提交给相应的 Task Manage。4.Task Manager启动一个线程以开始执行。Task Manage…
暂无图片
编程学习 ·

十进制正整数与二进制字符串的转换(C++)

Function one: //十进制数字转成二进制字符串 string Binary(int x) {string s "";while(x){if(x % 2 0) s 0 s;else s 1 s;x / 2;}return s; } Function two: //二进制字符串变为十进制数字 int Decimal(string s) {int num 0, …
暂无图片
编程学习 ·

[含lw+源码等]微信小程序校园辩论管理平台+后台管理系统[包运行成功]Java毕业设计计算机毕设

项目功能简介: 《微信小程序校园辩论管理平台后台管理系统》该项目含有源码、论文等资料、配套开发软件、软件安装教程、项目发布教程等 本系统包含微信小程序做的辩论管理前台和Java做的后台管理系统: 微信小程序——辩论管理前台涉及技术:WXML 和 WXS…
暂无图片
编程学习 ·

树莓派驱动DHT11温湿度传感器

1,直接使用python库 代码如下 import RPi.GPIO as GPIO import dht11 import time import datetimeGPIO.setwarnings(True) GPIO.setmode(GPIO.BCM)instance dht11.DHT11(pin14)try:while True:result instance.read()if result.is_valid():print(ok)print(&quo…
暂无图片
编程学习 ·

ELK简介

ELK简介 ELK是三个开源软件的缩写,Elasticsearch、Logstash、Kibana。它们都是开源软件。不过现在还新增了一个 Beats,它是一个轻量级的日志收集处理工具(Agent),Beats 占用资源少,适合于在各个服务器上搜集日志后传输给 Logstas…
暂无图片
编程学习 ·

Linux 基础

通常大数据框架都部署在 Linux 服务器上,所以需要具备一定的 Linux 知识。Linux 书籍当中比较著名的是 《鸟哥私房菜》系列,这个系列很全面也很经典。但如果你希望能够快速地入门,这里推荐《Linux 就该这么学》,其网站上有免费的电…
暂无图片
编程学习 ·

Windows2022 无线网卡装不上驱动

想来 Windows2022 和 windows10/11 的驱动应该差不多通用的,但是死活装不上呢? 搜一下,有人提到 “默认安装时‘无线LAN服务’是关闭的,如果需要开启,只需要在“添加角色和功能”中,选择开启“无线LAN服务…
暂无图片
编程学习 ·

【嵌入式面试宝典】版本控制工具Git常用命令总结

目录 创建仓库 查看信息 版本回退 版本检出 远程库 Git 创建仓库 git initgit add <file> 可反复多次使用&#xff0c;添加多个文件git commit -m <message> 查看信息 git status 仓库当前的状态git diff 差异对比git log 历史记录&#xff0c;提交日志--pret…
暂无图片
编程学习 ·

用Postman生成测试报告

newman newman是一款基于nodejs开发的可以运行postman脚本的工具&#xff0c;使用Newman&#xff0c;可以直接从命令运行和测试postman集合。 安装nodejs 下载地址&#xff1a;https://nodejs.org/en/download/ 选择自己系统相对应的版本内容进行下载&#xff0c;然后傻瓜式安…
暂无图片
编程学习 ·

Java面向对象之多态、向上转型和向下转型

文章目录前言一、多态二、引用类型之间的转换Ⅰ.向上转型Ⅱ.向下转型总结前言 今天继续Java面向对象的学习&#xff0c;学习面向对象的第三大特征&#xff1a;多态&#xff0c;了解多态的意义&#xff0c;以及两种引用类型之间的转换&#xff1a;向上转型、向下转型。  希望能…