Pandas數(shù)據(jù)操作分析基本常用的15個代碼片段
引言
Pandas提供了強(qiáng)大的數(shù)據(jù)操作和分析功能，是數(shù)據(jù)科學(xué)的日?；竟ぞ?。在本文中，我們將介紹最常用的15個Pandas代碼片段。這些片段將幫助簡化數(shù)據(jù)分析任務(wù)，從數(shù)據(jù)集中提取有價值的見解。
1、過濾數(shù)據(jù)
Pandas提供了多種方法來過濾數(shù)據(jù)。
import pandas as pd
# Create a DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie', 'David'],
'Age': [25, 30, 35, 40]}
df = pd.DataFrame(data)
# Filter rows where Age is greater than 30
filtered_df = df[df['Age'] > 30]
print(filtered_df)2、分組和聚合數(shù)據(jù)
# Grouping by a column and calculating the mean
grouped = df.groupby('Age').mean()
print(grouped)3、數(shù)據(jù)缺失值
# Check for missing values missing_values = df.isnull().sum() # Fill missing values with a specific value df['Age'].fillna(0, inplace=True)
4、將函數(shù)應(yīng)用于列
apply()函數(shù)允許在 DataFrame 的行或列上應(yīng)用自定義函數(shù)，以實(shí)現(xiàn)更復(fù)雜的數(shù)據(jù)處理和轉(zhuǎn)換操作。
df['Age'] = df['Age'].apply(lambda x: x * 2)
5、連接DataFrames
這里的連接主要是行的連接，也就是說將兩個相同列結(jié)構(gòu)的DataFrame進(jìn)行連接
# Concatenate two DataFrames
df1 = pd.DataFrame({'A': ['A0', 'A1'], 'B': ['B0', 'B1']})
df2 = pd.DataFrame({'A': ['A2', 'A3'], 'B': ['B2', 'B3']})
result = pd.concat([df1, df2], ignore_index=True)
print(result)6、合并DataFrames
這里的合并指的是列的合并，也就是說根據(jù)一個或若干個相同的列，進(jìn)行合并
# Merge two DataFrames
left = pd.DataFrame({'key': ['A', 'B', 'C'], 'value': [1, 2, 3]})
right = pd.DataFrame({'key': ['B', 'C', 'D'], 'value': [4, 5, 6]})
merged = pd.merge(left, right, on='key', how='inner')
print(merged)7、數(shù)據(jù)透視表
pivot_table是用于數(shù)據(jù)透視的重要函數(shù)之一。它根據(jù)一個或多個列的值對數(shù)據(jù)進(jìn)行重新排列和匯總，以便更好地理解數(shù)據(jù)的結(jié)構(gòu)和關(guān)系。
# Creating a pivot table pivot_table = df.pivot_table(index='Name', columns='Age', values='Value') print(pivot_table)
8、處理時間/日期類型數(shù)據(jù)
# Converting a column to DateTime df['Date'] = pd.to_datetime(df['Date'])
9、數(shù)據(jù)重塑
pandas.melt()是用于將寬格式（wide format）的數(shù)據(jù)表格轉(zhuǎn)換為長格式（long format）。這個函數(shù)通常用于數(shù)據(jù)重塑（data reshaping）操作，以便更容易進(jìn)行數(shù)據(jù)分析和可視化。
pandas.melt(frame, id_vars=None, value_vars=None, var_name=None, value_name='value', col_level=None)
參數(shù)說明：
frame：要進(jìn)行重塑操作的數(shù)據(jù)表格（DataFrame）。id_vars：需要保留的列，它們將成為長格式中的標(biāo)識變量（identifier variable），不被"融化"。value_vars：需要"融化"的列，它們將被整合成一列，并用新的列名表示。var_name：用于存儲"融化"后的列名的新列的名稱。value_name：用于存儲"融化"后的值的新列的名稱。col_level：如果輸入數(shù)據(jù)是多級索引（MultiIndex），則可以指定在哪個級別上應(yīng)用"融化"操作。
下面是一個示例，演示如何使用
melt()函數(shù)將寬格式數(shù)據(jù)轉(zhuǎn)換為長格式，假設(shè)有以下的寬格式數(shù)據(jù)表格
df：
ID Name Math English History 0 1 Amy 90 85 88 1 2 Bob 78 92 76 2 3 John 88 79 90
我們要將 Math、English 和History列"融化"為一個長格式數(shù)據(jù)表格，可以這樣做：
melted_df=pd.melt(df, id_vars=['ID', 'Name'], value_vars=['Math', 'English', 'History'], var_name='Subject', value_name='Score')
轉(zhuǎn)換后的長格式數(shù)據(jù)表格
melted_df
如下所示：
ID Name Subject Score 0 1 Amy Math 90 1 2 Bob Math 78 2 3 John Math 88 3 1 Amy English 85 4 2 Bob English 92 5 3 John English 79 6 1 Amy History 88 7 2 Bob History 76 8 3 John History 90
通過這種方式，你可以將寬格式數(shù)據(jù)表格中的多列數(shù)據(jù)整合到一個列中，以更容易進(jìn)行分析、可視化或其他操作。
melt()函數(shù)在數(shù)據(jù)清洗和轉(zhuǎn)換階段非常有用。
melt()或者可以理解為上面pivot_table或者unstack的反操作。
10、分類數(shù)據(jù)
astype('category')是用于將一列數(shù)據(jù)類型轉(zhuǎn)換為分類（Category）類型的方法。將數(shù)據(jù)列轉(zhuǎn)換為分類類型有助于節(jié)省內(nèi)存和提高性能，特別是當(dāng)數(shù)據(jù)列中包含有限的不同取值時。
# Encoding categorical variables
df['Category'] = df['Category'].astype('category')
df['Category'] = df['Category'].cat.codes11、數(shù)據(jù)抽樣
# Randomly sample rows from a DataFrame sampled_df = df.sample(n=2)
12、計(jì)算累加和
# Calculating cumulative sum df['Cumulative_Sum'] = df['Values'].cumsum()
13、刪除重復(fù)的數(shù)據(jù)
# Removing duplicate rows df.drop_duplicates(subset=['Column1', 'Column2'], keep='first', inplace=True)
14、創(chuàng)建虛擬變量
pandas.get_dummies()是 Pandas 中用于執(zhí)行獨(dú)熱編碼（One-Hot Encoding）的函數(shù)。
# Creating dummy variables for categorical data dummy_df = pd.get_dummies(df, columns=['Category'])
15、數(shù)據(jù)導(dǎo)出
有很多個to方法，可以到導(dǎo)出不同的格式
# Exporting DataFrame to CSV
df.to_csv('output.csv', index=False)總結(jié)
以上這15個Pandas代碼片段是我們?nèi)粘Ｗ畛Ｓ玫臄?shù)據(jù)操作和分析操作。熟練的掌握它，并將它們合并到工作流程中，可以提高處理和探索數(shù)據(jù)集的效率和效果。
以上就是Pandas數(shù)據(jù)操作分析基本常用的15個代碼片段的詳細(xì)內(nèi)容，更多關(guān)于Pandas數(shù)據(jù)操作代碼的資料請關(guān)注腳本之家其它相關(guān)文章！
相關(guān)文章
Pyspider中給爬蟲偽造隨機(jī)請求頭的實(shí)例
今天小編就為大家分享一篇Pyspider中給爬蟲偽造隨機(jī)請求頭的實(shí)例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-05-05
今天小編就為大家分享一篇解決python 無法加載downsample模型的問題，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-10-10
Python遞歸函數(shù) 二分查找算法實(shí)現(xiàn)解析
這篇文章主要介紹了Python遞歸函數(shù) 二分查找算法實(shí)現(xiàn)解析,文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下2019-08-08
這篇文章主要介紹了python 如何調(diào)用遠(yuǎn)程接口，幫助大家更好的理解和使用python，感興趣的朋友可以了解下2020-09-09
python 函數(shù)中的內(nèi)置函數(shù)及用法詳解
這篇文章主要介紹了python 函數(shù)中的內(nèi)置函數(shù) 及用法，本文通過實(shí)例代碼給大家介紹的非常詳細(xì)，具有一定的參考借鑒價值,需要的朋友可以參考下2019-07-07
pyqt5 comboBox獲得下標(biāo)、文本和事件選中函數(shù)的方法
今天小編就為大家分享一篇pyqt5 comboBox獲得下標(biāo)、文本和事件選中函數(shù)的方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-06-06
在Python中需要通過正則表達(dá)式對字符串進(jìn)?匹配的時候，可以使??個python自帶的模塊，名字為re，這篇文章主要介紹了python正則表達(dá)式(re模塊)詳解,需要的朋友可以參考下2023-01-01
今天小編就為大家分享一篇在django模板中實(shí)現(xiàn)超鏈接配置，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-08-08
python使用minimize()?函數(shù)替代matlab的fmincon函數(shù)
這篇文章主要介紹了python使用minimize()函數(shù)替代matlab的fmincon函數(shù)，在matlab中，fmincon函數(shù)可以用于求解帶約束的非線性多變量函數(shù)的最小值，即可以用來求解非線性規(guī)劃問題2022-09-09
只用40行Python代碼就能寫出pdf轉(zhuǎn)word小工具
今天咱們介紹一個pdf轉(zhuǎn)word的免費(fèi)小工具,滿足這么一個不常見但是偶爾會出來煩人的需求文中有非常詳細(xì)的代碼示例,對小伙伴們很有幫助,需要的朋友可以參考下2021-05-05