Pandas数据处理

1. Pandas概述

Pandas是一个Python的数据处理库,英文全称是“Python Data Analysis Library”,是NumPy的衍生库,主要用于清洗、整理、加工、分析和可视化数据,被广泛应用于数据科学、机器学习、金融、统计学等领域。

使用Pandas可以有效地处理大型的、多维的、异构的数据,尤其适合处理表格状数据。Pandas提供了两种数据类型:Series和DataFrame。其中Series是一维的数据类型,类似于数组和标量,而DataFrame是二维的表格数据类型,类似于电子表格或SQL表格。

下面简单介绍Pandas的一些常用功能。

2. 创建DataFrame

2.1 从字典创建DataFrame

在Pandas中,可以使用字典来创建DataFrame,其中字典的键为表格的列名,值为表格的数据。

import pandas as pd

data = {'name': ['Alice', 'Bob', 'Charlie', 'David'],

'score': [80, 70, 90, 75]}

df = pd.DataFrame(data)

print(df)

输出结果为:

name score

0 Alice 80

1 Bob 70

2 Charlie 90

3 David 75

2.2 从CSV文件创建DataFrame

CSV是一种常用的数据格式,Pandas支持将CSV文件读入DataFrame中。

import pandas as pd

df = pd.read_csv('data.csv', header=0)

print(df.head())

其中header参数指定表格的首行为列名。

3. 数据预处理

3.1 缺失值处理

在现实生活中,数据中有很多可能出现缺失的情况,如缺失数据、缺失标签等,需要进行处理。

Pandas提供了fillna()函数来填充缺失数据,dropna()函数来删除缺失数据。

import pandas as pd

df = pd.read_csv('data.csv', header=0)

# 填充缺失数据

df = df.fillna(0)

# 删除缺失标签

df = df.dropna()

print(df.head())

3.2 数据转换

在数据预处理阶段,有时需要进行数据转换,如数据类型的转换、数据归一化等操作。

3.2.1 数据类型的转换

使用astype()函数可以将数据类型转换为指定类型。

import pandas as pd

df = pd.read_csv('data.csv', header=0)

# 将score列类型转换为float

df['score'] = df['score'].astype(float)

print(df.head())

3.2.2 数据归一化

在数据分析和机器学习过程中,经常需要进行数据归一化操作。归一化可以将数据的值域缩放到[0,1]或[-1,1]之间,使得数据间的差异更为明显。

Pandas提供了min()和max()函数来计算最小值和最大值,使用apply()函数可以对DataFrame进行自定义函数的操作。

import pandas as pd

df = pd.read_csv('data.csv', header=0)

# 数据归一化

df['score'] = df['score'].apply(lambda x: (x - df['score'].min()) / (df['score'].max() - df['score'].min()))

print(df.head())

4. 数据分析

4.1 数据统计

在数据分析中,常常需要对数据进行统计分析,如计算均值、中位数、标准差等参数。

Pandas提供了describe()函数来计算数据的统计参数。

import pandas as pd

df = pd.read_csv('data.csv', header=0)

# 数据分析

print(df.describe())

4.2 数据分组

数据分组是指根据某个标准将数据分成若干组,然后对每组数据进行统计分析,如计算均值、中位数、标准差等参数。

Pandas提供了groupby()函数来对数据进行分组,使用agg()函数可以对分组后的数据进行统计分析。

import pandas as pd

df = pd.read_csv('data.csv', header=0)

# 数据分组

grouped = df.groupby(['name'])

# 计算均值和标准差

result = grouped.agg({'score': {'mean', 'std'}})

print(result)

5. 数据可视化

数据可视化是指将数据转换为图形的形式,让人们能够更好地理解和分析数据。

Pandas提供了plot()函数来对数据进行可视化。

import pandas as pd

df = pd.read_csv('data.csv', header=0)

# 数据可视化

df.plot(kind='bar', x='name', y='score')

plt.show()

免责声明:本文来自互联网,本站所有信息(包括但不限于文字、视频、音频、数据及图表),不保证该信息的准确性、真实性、完整性、有效性、及时性、原创性等,版权归属于原作者,如无意侵犯媒体或个人知识产权,请来电或致函告之,本站将在第一时间处理。猿码集站发布此文目的在于促进信息交流,此文观点与本站立场无关,不承担任何责任。

后端开发标签