pandas模块中有两种主要的数据结构
pandas有两个主要数据结构:Series和DataFrame。Series是源码一种类似于一维数组的对象,它由一组数据(各种NumPy数据类型)以及一组与之相关的函数x函数据标签(即索引)组成,即index和values两部分,源码可以通过索引的函数x函方式选取Series中的单个或一组值。
pd.Series(list,源码闪客赚钱网盘源码最新index=[ ]),第二个参数是函数x函Series中数据的索引,可以省略。源码
Series类型索引、函数x函切片、源码运算的函数x函操作类似于ndarray,同样的源码类似Python字典类型的操作,包括保留字in操作、函数x函使用.get()方法。源码
Series和ndarray之间的函数x函主要区别在于Series之间的操作会根据索引自动对齐数据。
DataFrame是一个表格型的数据类型,每列值类型可以不同,易货PHP源码是最常用的pandas对象。DataFrame既有行索引也有列索引,它可以被看做由Series组成的字典(共用同一个索引)。DataFrame中的数据是以一个或多个二维块存放的(而不是列表、字典或别的一维数据结构)。
pd.DataFrame(data,columns = [ ],index = [ ]):columns和index为指定的列、行索引,并按照顺序排列。
如果创建时指定了columns和index索引,则按照索引顺序排列,并且如果传入的列在数据中找不到,就会在结果中产生缺失值:
数据索引:Series和DataFrame的索引是Index类型,Index对象是不可修改,可通过索引值或索引标签获取目标数据,也可通过索引使序列或数据框的计算、操作实现自动化对齐。梦回仙游源码索引类型index的常用方法:
重新索引:能够改变、重排Series和DataFrame索引,会创建一个新对象,如果某个索引值当前不存在,就引入缺失值。
df.reindex(index, columns ,fill_value, method, limit, copy ):index/columns为新的行列自定义索引;fill_value为用于填充缺失位置的值;method为填充方法,ffill当前值向前填充,bfill向后填充;limit为最大填充量;copy 默认True,生成新的对象,False时,新旧相等不复制。
删除指定索引:默认返回的是一个新对象。
.drop():能够删除Series和DataFrame指定行或列索引。
删除一行或者一列时,用单引号指定索引,删除多行时用列表指定索引。帝国罗马源码
如果删除的是列索引,需要增加axis=1或axis='columns'作为参数。
增加inplace=True作为参数,可以就地修改对象,不会返回新的对象。
在pandas中,有多个方法可以选取和重新组合数据。对于DataFrame,表5-4进行了总结
适用于Series和DataFrame的基本统计分析函数:传入axis='columns'或axis=1将会按行进行运算。
.describe():针对各列的多个统计汇总,用统计学指标快速描述数据的概要。
.sum():计算各列数据的和
.count():非NaN值的数量
.mean( )/.median():计算数据的算术平均值、算术中位数
.var()/.std():计算数据的方差、标准差
.corr()/.cov():计算相关系数矩阵、协方差矩阵,是这些源码查看通过参数对计算出来的。Series的corr方法用于计算两个Series中重叠的、非NA的、按索引对齐的值的相关系数。DataFrame的corr和cov方法将以DataFrame的形式分别返回完整的相关系数或协方差矩阵。
.corrwith():利用DataFrame的corrwith方法,可以计算其列或行跟另一个Series或DataFrame之间的相关系数。传入一个Series将会返回一个相关系数值Series(针对各列进行计算),传入一个DataFrame则会计算按列名配对的相关系数。
.min()/.max():计算数据的最小值、最大值
.diff():计算一阶差分,对时间序列很有效
.mode():计算众数,返回频数最高的那(几)个
.mean():计算均值
.quantile():计算分位数(0到1)
.isin():用于判断矢量化集合的成员资格,可用于过滤Series中或DataFrame列中数据的子集
适用于Series的基本统计分析函数,DataFrame[列名]返回的是一个Series类型。
.unique():返回一个Series中的唯一值组成的数组。
.value_counts():计算一个Series中各值出现的频率。
.argmin()/.argmax():计算数据最大值、最小值所在位置的索引位置(自动索引)
.idxmin()/.idxmax():计算数据最大值、最小值所在位置的索引(自定义索引)
pandas提供了一些用于将表格型数据读取为DataFrame对象的函数。下表对它们进行了总结,其中read_csv()、read_table()、to_csv()是用得最多的。
在数据分析和建模的过程中,相当多的时间要用在数据准备上:加载、清理、转换以及重塑。
在许多数据分析工作中,缺失数据是经常发生的。对于数值数据,pandas使用浮点值NaN(np.nan)表示缺失数据,也可将缺失值表示为NA(Python内置的None值)。
替换值
.replace(old, new):用新的数据替换老的数据,如果希望一次性替换多个值,old和new可以是列表。默认会返回一个新的对象,传入inplace=True可以对现有对象进行就地修改。
删除重复数据
利用函数或字典进行数据转换
df.head():查询数据的前五行
df.tail():查询数据的末尾5行
pandas.cut()
pandas.qcut() 基于分位数的离散化函数。基于秩或基于样本分位数将变量离散化为等大小桶。
pandas.date_range() 返回一个时间索引
df.apply() 沿相应轴应用函数
Series.value_counts() 返回不同数据的计数值
df.aggregate()
df.reset_index() 重新设置index,参数drop = True时会丢弃原来的索引,设置新的从0开始的索引。常与groupby()一起用
numpy.zeros()
总结Pandas的个统计函数
总结Pandas中的个统计函数及其应用 在数据分析中,Pandas库提供了丰富且实用的统计函数,帮助我们深入理解数据。以下是一些关键的统计函数及其用法概览:describe():用于计算一维数组或数据框的描述性统计信息,如计数、平均值、标准差等,对数值型数据进行默认统计。
count():统计非空值的数量,对于对象类型的数据,结果可能与预期不同。
sum():求和,对数值型字段求和,对象类型则拼接所有值。
max()和min():分别返回最大值和最小值,字符串类型按照ASCII码比较。
quantile():返回数据的分位数,用于理解数据分布的特定位置。
mean():计算平均值,处理缺失值时会自动排除。
median():计算中位数,对于数值数组,中位数是中间值或平均中间值。
mode():找出数据中出现次数最多的值,即众数。
idxmax()和idxmin():分别返回最大值和最小值的索引,不适用于字符类型。
var()和std():var()计算样本方差,std()计算标准差,注意两者在定义上的区别。
mad():平均绝对偏差,对于数值数据提供另一种衡量离散度的方式。
skew():偏度,衡量数据分布的不对称性。
kurt():峰度,反映数据分布的尖峰程度。
abs():绝对值函数,返回数值的绝对值。
prod()和cumprod():前者计算元素乘积,后者计算累积乘积。
cumsum():累计求和,对数据进行逐项累加。
通过这些函数,数据分析师可以快速地进行统计分析,更好地理解和描述数据特征。熟练掌握这些工具,将有助于提升数据分析的效率和深度。2024-12-23 23:38
2024-12-23 23:38
2024-12-23 22:31
2024-12-23 21:40
2024-12-23 21:34