作者/俊欣

在Python當中模塊Pandas在數據分析中以及可視化當中是被使用的最多的，也是最常見的模塊，模塊當中提供了很多的函數和方法來應對數據清理、數據分析和數據統計，今天小編就通過20個常用的函數方法來為大家展示一下其中的能力，希望大家能有所收獲。

1.讀取數據

Pandas當中的read_csv的方法能夠去讀取csv類型的文件，然后轉化成類似于表格形式的dataframe，

marketing?=?pd.read_csv("DirectMarketing.csv") groceries?=?pd.read_csv("Groceries_dataset.csv") df?=?pd.read_csv("Churn_Modelling.csv")

要是我們只想展示一部分，比方說其中幾行的數據，當然也可以這么來操作

df?=?pd.read_csv("Churn_Modelling.csv",?nrows?=?5000) df.shape (5000,14)

當然其中幾列的數據，也可以這么來操作，例如下面的代碼選中“Gender”、“Age”以及“Tensure”等幾列

df1?=?pd.read_csv("Churn_Modelling.csv",?usecols=['Gender',?'Age',?'Tenure',?'Balance'])

2.查看缺失值

要是我們想要看一下數據集當中的缺失值的話，可以，

groceries.isna().sum()Member_number??????0 Date???????????????0 itemDescription????0 dtype:?int64

3. 填充缺失值

下面我們來填充數據集當中的缺失值，我們有很多種方式方法來填充數據集當中的缺失值，比方說中位數、平均數、眾數等等

#?這里用的是眾數來填充，當然也可以用平均數mean，中位數median groceries['itemDescription'].fillna(value=groceries['itemDescription'].mode()[0],?inplace=True)#?或者是用"fillna"這個方法 groceries["Date"].fillna(method?=?"ffill",?inplace?=?True)

假若我們想把這些缺失值給抹去，也很好來操作，使用“drop”方法，“inplace=True”表明原數組內容直接被改變

groceries.drop(axis?=?0,?how?=?'any',?inplace?=?True)

4. 查看某一列的數據類型

首先我們來查看一下數據集當中每一列的數據類型，

groceries.dtypesMember_number???????int64 Date???????????????object itemDescription????object dtype:?object

我們看到的是，“Date”這一列的數據類型是“object”，我們可以通過“astype”這個方法來改變這一列的數據類型

groceries['Date']?=?groceries['Date'].astype("datetime64")

當然還有“to_datetime”這個方法來嘗試

groceries['Date']?=?pd.to_datetime(groceries['Date'])

除此之外，我們在讀取數據的時候，也可以通過里面的參數“parse_dates”來改變這一列的數據類型

groceries?=?pd.read_csv("Groceries_dataset.csv",?parse_dates=['Date']) groceries.dtypesMember_number???????????????int64 Date???????????????datetime64[ns] itemDescription????????????object dtype:?object

5. 篩選出數據

通常來說有很多種方式方法來篩選數據以得出我們想要的結果，比方說我們可以通過一些邏輯符號“==”、“！=”或者是“>”“<”等方式,例如下面的代碼便是挑選出“itemDescription”等于是“pip fruit”的數據

groceries[groceries["itemDescription"]?==?"pip?fruit"].head()

當然還有“isin”這個方法來從一定的范圍內選出數據，我們能夠傳入一個列表，在列表中注明我們要篩選的數據，例如下面的代碼，我們篩選出“Member_number”在這些范圍當中的數據

groceries[groceries.Member_number.isin([3737,?2433,?3915,?2625])].head()

“query”這個方法也可以幫助到我們

groceries.query('3000?<?Member_number?<?5000').head()

“where”這個方法也行

groceries[['Member_number','Date',?'itemDescription']].where(groceries['Member_number']?>?2500,?0).head()

6. 排除數據

“~”符號用來表明我們需要篩選出不再我們給定的范圍之內的數據，比方說下面的代碼我們篩選出“Member_number”不再這些范圍當中的數據

groceries[~groceries.Member_number.isin([3737,?2433,?3915,?2625])].head()

7. 數據統計

“value_counts”方法是被使用最廣泛的工具，在數據統計和計數當中，計算一下該列當中每大類的離散值出現的頻率

marketing["OwnHome"].value_counts()Own?????516 Rent????484 Name:?OwnHome,?dtype:?int64

要是我們將其中的參數“normalize”改成“True”，它也將以百分比的形式出現，

marketing.Catalogs.value_counts(normalize=True)12????0.282 6?????0.252 24????0.233 18????0.233

除此之外，我們也可以用“nunique”這個方法來查看某一列離散值當中有幾大類，例如下面的代碼中“OwnHome”這一列只有兩大類

marketing["OwnHome"].nunique()2

8. 將某一列作為索引

一般數據集中的索引大家可以理解為就是“行數”，也就是“第一行”、“第二行”，當然我們可以通過“set_index”這個方法來將任意某一列設置為我們需要的索引，比方說數據集中的“Date”字段被設置成了索引

groceries.set_index('Date',?inplace=True)

9. 重新設置索引

當我們去除掉某幾行數據之后，數據集當中的索引會出現“斷裂”的情況，同理當我們合并兩個數據集的時候，索引也不會被重新設置，要是上面的情況出現，數據集中的索引便不是“連續”的了，我們可以通過“reset_index”來重新設置索引，例如下面的數據集的索引并不是連續的

groceries.reset_index(drop=True,?inplace=True)

10. 關于“loc”和“iloc”

“loc”方法和“iloc”方法用法想類似，其中比較重要的一點是“loc”方法一般可以接受標簽，例如

groceries.loc[:,["Member_number",?"Date"]].head()

而“iloc”里面要是放標簽的話，則會報錯，一般“iloc”里面放的則是索引，

#?取第一列和第二列兩列的數據 groceries.iloc[:,[0,?1]].head()

11. 提取“月份”和“年份”

我們可以通過“dt”這個方法來提取時間類型的數據中的年份和月份，例如

groceries['Year']?=?groceries['Date'].dt.year groceries['Month']?=?groceries['Date'].dt.month

12. 去除某幾列的數據

要是碰到我們想去除掉某幾列的數據的時候，可以使用“drop”方法，例如，我們去除掉“Year”和“Month”這兩列

groceries.drop(['Year','Month'],?axis=1,?inplace=True)

13. 增加某幾列的數據

要是想在數據集當中增加幾列的時候，我們可以使用“insert”方法，例如，我們在第一列和第二列的位置插入“Month”數據和“Year”的數據

year?=?groceries['Date'].dt.year month?=?groceries['Date'].dt.monthgroceries.insert(1,?'Month',?month) groceries.insert(2,?'Year',?year)

14. 排名統計

我們可以為某一列數據做一個排名，使用“rank”這個方法

groceries['Member_number_rank']?=?groceries['Member_number'].rank(method?=?'first',?ascending?=?False).astype('int')

15. 展示小數點后面的幾位小數

數據集當中對于浮點型的數字，小數點后面可能仍然會有很多的數字，我們可以通過“round”方法來進行調整，例如我們保留一位小數

df.round(1).head()

16. 基于字符串去篩選數據

我們有時候需要基于字符串去進行數據的篩選，例如，我們要篩選出下面的數據集當中顧客的名字是以“Mi”開頭的顧客，我們可以這么來做

df[df['Surname'].str.startswith('Mi')].head()

17. 基于字符串的長度來篩選數據

有時候我們也可以通過字符串的長度來篩選數據，例如我們通過下面的代碼篩選出“itemDescription”這個字段長度大于20的數據

groceries[groceries.itemDescription.str.len()?>?20].head()

18. 對離散值類型的數據進行分離

我們可以對離散值類型的某一列數據，當中是字符串的數據，進行分離，例如我們遇到“Date”這一列當中的數據是字符串，然后我們可以通過“split”這個方法來進行字符串的分離，例如下面的代碼將“Date”這一列當中的月份數據給分離出來了

groceries['Month']?=?groceries['Date'].str.split('-',?expand=True)[1]

19. 畫圖

我們可以在已有數據集的基礎上，通過“plot”這個方法以及里面的參數“kind”來進行可視化，例如我們想要畫直方圖的話

df['Balance'].plot(kind='hist',?figsize=(10,6),?title='Customer?Balance')

20. 標注重點

我們有時候可能需要對數據集當中某些數據打標簽，表上顏色來顯示其重要性，在“Pandas”模塊中有“style”這個方法可以使用，例如下面的代碼將“Salary”以及“Catalogs”這兩列的最大值標出來了

df_new.style.highlight_max(axis?=?0,?color?=?"yellow")

——END——

最近發現一個點外賣每頓飯都能少花5-20元的寶藏號。

就是她，↓點擊下面名片關注公眾號↓

進入公眾號點擊菜單領取紅包最低5元，最高56元！

總結

以上是生活随笔為你收集整理的分享20个常用的Python函数，轻松玩转Pandas！！的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。