腳本之家服務(wù)器常用軟件

快捷導(dǎo)航

pandas實(shí)戰(zhàn):分析三國(guó)志人物示例實(shí)現(xiàn)

更新時(shí)間：2023年01月19日 10:52:58 作者：xchenhao

這篇文章主要介紹了pandas實(shí)戰(zhàn):分析三國(guó)志人物示例實(shí)現(xiàn)，本文章內(nèi)容詳細(xì)，具有很好的參考價(jià)值，希望對(duì)大家有所幫助，需要的朋友可以參考下

簡(jiǎn)介

背景

Pandas 是 Python 的一個(gè)工具庫(kù)，用于數(shù)據(jù)分析。

由 AQR Capital Management 于 2008 年 4 月開(kāi)發(fā)，2009 年開(kāi)源，最初被作為金融數(shù)據(jù)分析工具而開(kāi)發(fā)出來(lái)。

Pandas 名稱(chēng)來(lái)源于 panel data（面板數(shù)據(jù)）和 Python data analysis（Python 數(shù)據(jù)分析）。

適用于金融、統(tǒng)計(jì)等數(shù)據(jù)分析領(lǐng)域。

特點(diǎn)：

兩大數(shù)據(jù)結(jié)構(gòu)

Series 和 DataFrame

（1）Series：一維數(shù)據(jù)（列+索引）

pandas.Series(['東漢', '馬騰', '?', 212], index=['國(guó)家', '姓名', '出生年份', '逝世年份'])

series

（2）DataFrame：二維數(shù)據(jù)（表格：多個(gè)列+行/列索引）

Series 和 DataFrame

pandas.DataFrame([
    ['東漢', 300],
    ['魏國(guó)', 800],
    ['蜀國(guó)', 400],
    ['吳國(guó)', 600],
    ['西晉', 1000]
], columns=['國(guó)家', '國(guó)力'])

dataframe

安裝

如果你使用的是數(shù)據(jù)科學(xué)的 Python 發(fā)行版：Anaconda，可以使用 conda 安裝

conda install pandas

如果是普通的 Python 環(huán)境，可以使用 pip 安裝

pip install pandas

實(shí)戰(zhàn)

我們先看看數(shù)據(jù)長(zhǎng)啥樣，數(shù)據(jù)存在 sanguo.csv 文檔中

$ head sanguo.csv

head

（1）導(dǎo)入模塊

import pandas as pd

（2）讀取 csv 數(shù)據(jù)

# 當(dāng)前目錄下的 sanguo.csv 文件，na_values 指定哪些值為空
df = pd.read_csv('./sanguo.csv', na_values=['na', '-', 'N/A', '?'])

1）查看數(shù)據(jù)

# 查看前 5 條
df.head(5)
# NaN 為空值

df.head()

# 查看后 5 條
df.tail(5)

df.tail()

2）查看數(shù)據(jù)概況

df.dtypes
# 查看數(shù)據(jù)類(lèi)型

dtypes

df.info()
# 有 25 行，5 列
# 各列的名稱(chēng)（kindom、name、birth、die、character）、非空數(shù)目、數(shù)據(jù)類(lèi)型

df.info()

df.describe()
# 查看數(shù)值型列統(tǒng)計(jì)值：總數(shù)、平均值、標(biāo)準(zhǔn)差、最小值、25%/50%/75% 分位數(shù)、最大值

df.describe

3）數(shù)據(jù)操作

設(shè)置列名

df.columns = ['國(guó)家', '姓名', '出生年份', '逝世年份', '角色']
df.head()

設(shè)置列名

添加新列

# 計(jì)算年齡
df['年齡'] = df['逝世年份'] - df['出生年份']
df.head(10)

添加新列

計(jì)算列平均值、中位數(shù)、眾數(shù)、最/小值

平均值：df['年齡'].mean()

中位數(shù)：df['年齡'].median()

眾數(shù)：df['年齡'].mode()

最大值：df['年齡'].max()

最小值：df['年齡'].min()

列篩選

# 篩選年輪小于 50 的數(shù)據(jù)
df[df['年齡'] < 50]

篩選數(shù)據(jù)

# 篩選曹姓的數(shù)據(jù)
df[df['姓名'].str.startswith('曹')]

篩選數(shù)據(jù)

分組

df.groupby('國(guó)家')['姓名'].count()
# 類(lèi)似于 SQL: SELECT 國(guó)家, COUNT(姓名) FROM x GROUP BY 國(guó)家

apply 函數(shù)

df['狀態(tài)'] = df['年齡'].apply(lambda x: '長(zhǎng)壽' if isinstance(x, (int, float)) and x > 50 else '一般')
df.head()

apply

取數(shù)據(jù)：loc、iloc

df.loc[4]

取第 5 行數(shù)據(jù)（索引從 0 開(kāi)始）

loc

df.loc[4:5]

取第 5~6 行數(shù)據(jù)

loc

df.loc[4, '姓名']或 df.iloc[4, 1]取第 5 行姓名列或第 5 行第 2 列

loc

df.loc[4, ['姓名', '年齡']]或 df.iloc[4, [1, 5]]取第 5 行姓名、年齡列或第 5 行第 2 列、第 6 列

loc

df.loc[4:5, ['姓名', '年齡']]或 df.iloc[[4, 5], [1, 5]]或 df.iloc[4:6, [1, 5]]取第 5~6 行姓名、年齡列或取第 5~6 行第 2 列、第 6 列

loc

df.iloc[4:9, 1:4]取 5~10 列第 2~5 列

iloc

追加、合并數(shù)據(jù)

concat

# 創(chuàng)建列
newpeople = pd.Series(['東漢', '馬騰', '?', 212, '?'], index=['國(guó)家', '姓名', '出生年份', '逝世年份', '年齡'])

# 將 Series 轉(zhuǎn)為 DataFrame，并對(duì) DataFrame 轉(zhuǎn)置（列轉(zhuǎn)行）
newpeople = newpeople.to_frame().T

# 追加行（axis=0），重置索引（ignore_index=True）
df2 = pd.concat([df, newpeople], axis=0, ignore_index=True)
df2.tail()

追加數(shù)據(jù)

merge

# 創(chuàng)建表格
kindom_power = pd.DataFrame([
    ['東漢', 300],
    ['魏國(guó)', 800],
    ['蜀國(guó)', 400],
    ['吳國(guó)', 600],
    ['西晉', 1000]
], columns=['國(guó)家', '國(guó)力'])

# 按國(guó)家列進(jìn)行兩個(gè)表格（左 df，右 kindom_power）合并
df3 = pd.merge(left=df, right=kindom_power, on='國(guó)家')
df3.head(10)

merge

4）導(dǎo)出數(shù)據(jù)

# 寫(xiě)入 sanguo_result.csv 中，不輸出索引值
df.to_csv('sanguo_result.csv', index=False)

csv

到此這篇關(guān)于pandas實(shí)戰(zhàn):分析三國(guó)志人物示例實(shí)現(xiàn)的文章就介紹到這了,更多相關(guān)pandas實(shí)戰(zhàn)內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: