Pandas中比較好用的幾個方法分別是什么

今天就跟大家聊聊有關Pandas中比較好用的幾個方法分別是什么，可能很多人都不太了解，為了讓大家更加了解，小編給大家總結了以下內容，希望大家根據這篇文章可以有所收獲。

話說我現在好久不做深度學習的東西了，做了一段時間是的NLP，以為可以去嘗試各種高大上的算法，然而現在還并沒有，反而覺得更像是做數據挖掘的。。平時遇到的比較多的問題，大多數都是數據清洗的工作，這時候工具就顯得很重要，有一個好的工具能起到事半功倍的效果，比如突然有個idea，然后自己開始呼哧呼哧的造輪子，最后才發現，哦，原來都有現成的方法，本來一行代碼就可以搞定的問題，到最后寫了幾十行。 正所謂，“欲閃其事，必先利其器”啊。 好了，廢話不多說，下面介紹幾個神奇的方法。

1.   數據篩選

        先把數據導入進來，數據一共有4列，分別是日期，星期，品牌和數量，一共有14行數據。

import pandas as pd

data = pd.read_table("test.txt")
print(data.head(2))
print(data.shape)
"""
   日期  星期  品牌  數量
    0   1   3   1  20
    1   1   3   5  48
(14, 4)
"""

然后我們可以查看一下品牌列有幾種可能，看到有1,2,3,4,5一共五種品牌。

brand = data['品牌']
print(set(brand.values.tolist()))

"""
{1, 2, 3, 4, 5}
"""

好，如果我現在想查看品牌1的數據，怎么做呢。可以這樣

brand_1 = data[data['品牌'].isin([1])]
print(brand_1)
"""
   日期  星期  品牌    數量
0   1   3   1    20
2   2   4   1    16
4   3   5   1  1411
9   4   6   1  1176
"""

看一下，這里用了isin()方法，這樣就得到了品牌1的全部數據，可能也有人說，還有一種做法，就是用Groupby，好，Groupby是pandas中用來做分組統計的方法。不知道？沒關系，下面介紹

這里還有要2件事情，可不可以查看多個品牌的數據？可以，這樣做就行了

brand_n = data[data['品牌'].isin([1, 2])]
print(brand_n)
"""
    日期  星期  品牌    數量
0    1   3   1    20
2    2   4   1    16
4    3   5   1  1411
5    3   5   2   811
9    4   6   1  1176
10   4   6   2   824
"""

isin()方法傳入的是一個list就可以，好，如果我想查看除了品牌1以外的數據，怎么做？ 用pandas 很簡單。這樣就可以

brand_ex_1 = data[~data['品牌'].isin([1])]
print(brand_ex_1)
"""
    日期  星期  品牌    數量
1    1   3   5    48
3    2   4   3    20
5    3   5   2   811
6    3   5   3  1005
7    3   5   4   773
8    3   5   5  1565
10   4   6   2   824
11   4   6   3   802
12   4   6   4  1057
13   4   6   5  1107
"""

2 . 數據分組

好，然后說一下，groupby，groupby就是group data by xx。按照xx把數據分為幾個組。先看個栗子，首先把數據按日期分組。

data_grouped = data.groupby(by='日期')
print("共有 {} 組".format(data_grouped.ngroups))
# 共有 4 組

print(data_grouped.ngroup(ascending=True))
"""
0     3
1     3
2     2
3     2
4     1
5     1
6     1
7     1
8     1
9     0
10    0
11    0
12    0
13    0
"""

查看分組后的索引

indices = data_grouped.indices
day_1 = indices[3]
print(day_1)
"""
[4 5 6 7 8]
"""

還可以這樣

for i, j in data_grouped:
    print(i, j.index)
"""
1 Int64Index([0, 1], dtype='int64')
2 Int64Index([2, 3], dtype='int64')
3 Int64Index([4, 5, 6, 7, 8], dtype='int64')
4 Int64Index([9, 10, 11, 12, 13], dtype='int64')
"""

分組之后的數據還是一個DataFrame對象，所以可以調用index方法。

如果要對分組后的數據做統計分析，可以這樣來做

import pandas as pd

data = pd.read_table("test.txt")
data_grouped = data.groupby(by='日期')['數量'].mean()

print(data_grouped)

這樣就可以查看每一天數量的平均值了。

3. appy方法

如果我想給數量這一列，每個值都乘以2，可以怎么做呢？ 方法很多，這里介紹一下，如何用apply來做，

import pandas as pd

data = pd.read_table("test.txt")


def double_df(x):
    return 2 * x


data_double = data['數量'].apply(double_df)
print(data_double)
"""
0       40
1       96
2       32
3       40
4     2822
5     1622
6     2010
7     1546
8     3130
9     2352
10    1648
11    1604
12    2114
13    2214
Name: 數量, dtype: int64
"""

這樣就可以很簡單的完成這個倍乘的任務，但是輸出貌似不是我們想要的，因為我們還想保留其他列，那應該怎么做呢。

import pandas as pd

data = pd.read_table("test.txt")


def double_df(x):
    return 2 * x

data_copy = data.copy()
data_copy['數量'] = data['數量'].apply(double_df)
print(data_copy)
"""
    日期  星期  品牌    數量
0    1   3   1    40
1    1   3   5    96
2    2   4   1    32
3    2   4   3    40
4    3   5   1  2822
5    3   5   2  1622
6    3   5   3  2010
7    3   5   4  1546
8    3   5   5  3130
9    4   6   1  2352
10   4   6   2  1648
11   4   6   3  1604
12   4   6   4  2114
13   4   6   5  2214
"""

這里可以先復制一份data, 然后給復制的數據中的“數量”這一列用data中數量的列apply函數，這樣就不會有數據損失了。

好，這是apply的基本應用，如果我們想對兩列數據使用apply函數，應該怎么做。開始我也不會，那天突然有這樣的想法，因為我的數據是在兩列都有，然后我想統計兩列的性質，無奈不知道怎么用，然后在stackflow上找到了答案。這里分享給大家

def double_df(a, b):
    return "{:.03f}".format(a / b)

data_apply = data.apply(lambda row: 
                        double_df(row['星期'],
                                  row['品牌']),
                        axis=1)
print(data_apply)
"""
0     3.000
1     0.600
2     4.000
3     1.333
4     5.000
5     2.500
6     1.667
7     1.250
8     1.000
9     6.000
10    3.000
11    2.000
12    1.500
13    1.200
dtype: object

"""

或者這樣

def double_df(rows):
    return "{:.03f}".format(rows['星期'] / rows['品牌'])

data_apply = data.apply(double_df, axis=1)
print(data_apply)
"""
0     3.000
1     0.600
2     4.000
3     1.333
4     5.000
5     2.500
6     1.667
7     1.250
8     1.000
9     6.000
10    3.000
11    2.000
12    1.500
13    1.200
dtype: object

"""

同樣，你要是想的到原始的全部數據，最好復制一份，不然可能會報錯，有興趣可以去試試。

4. 刪除Pandas中的NaN和空格

對于缺失數據的處理，無非兩種方法，一種是直接刪掉不要了，一種是添加進去一些別的數據，那Pandas怎么刪除缺失值？本來Pandas提供了dropna方法，直接一個方法就搞定了，但是有時候缺失值不是Nan，而是空格或者別的什么，死活刪不掉，我就遇到過，然后折騰啊折騰，一直報ValueError的錯誤，但是我明明用了dropna了，說明數據還是沒有清洗干凈。好，下面這個方法，是我搜集到的網上現有的三種刪除缺失值的方法，可以直接用。

def delet_pandas_na(in_df, columns_name, method='one'):
    if method == 'one':
        out_df = in_df.copy()
        out_df[columns_name] = \
            in_df[columns_name].apply(
              lambda x: np.NaN if len(str(x)) < 1 else x)
      out_df_res = out_df[out_df[columns_name].notnull()]
        return out_df_res

    elif method == 'two':
        out_df = (in_df[columns_name].isnull()) | \
                 (in_df[columns_name].apply(
                     lambda x: str(x).isspace()))
        out_df_res = in_df[~out_df]
        return out_df_res
    else:
        in_df.dropna(inplace=True)
        indices_to_keep = ~in_df.isin([np.nan,
                                       np.inf,
                                       -np.inf]).any(1)
        return in_df[indices_to_keep].astype(np.float64)

看完上述內容，你們對Pandas中比較好用的幾個方法分別是什么有進一步的了解嗎？如果還想了解更多知識或者相關內容，請關注億速云行業資訊頻道，感謝大家的支持。