学习 Python 之 Pandas库
Pandas库什么是Pandas库?DataFrame 创建和存储1. 使用DataFrame构造函数(1). 使用列表创建(2). 使用字典创建(3). 从另一个DataFrame对象创建 2. 从文件读取(1). 从.csv文件读取(2). 从excel文件读取 3. 存储 DataFrame 查看数据1. 查看前几行2. 查看后几行3. 格式查看4. 查看统计信息 DataFrame 列操作1. 增加列2. 删除列3. 选择列4. 修改列 DataFrame 索引1. 数字索引2. 布尔索引3. 标签索引 DataFrame 操作1. 纵向合并2. 横向合并3. 空值处理(1). 判断空值(2). 计算空值个数(3). 删除空值(4). 填充空值 4. 去重5. 排序6. 分组7. 分段
Pandas库
什么是Pandas库?
Pandas是基于Numpy的专业数据分析工具, 可以灵活高效的处理各种数据集
它提供了的数据结构有DataFrame和Series等
我们可以简单粗的把DataFrame理解为Excel里面的一张表，而Series就是表中的某一列
DataFrame 创建和存储
函数
| 函数 | 作用 |
|---|---|
DataFrame(data = 数据, index = 行标题, columns = 列标题, dtype = 类型, copy = 是否深拷贝) | 创建DataFrame对象 |
read_csv(filepath_or_buffer = 文件路径, delimiter = 分隔符, header = 是否第一行为列标题, engine = 引擎, encoding = 编码) | 读取.csv文件创建DataFrame对象 |
read_excel(路径, header = 指定哪一行为标题, names = 指定列标题) | 读取.xlsx文件创建DataFrame对象 |
.to_csv(路径) | 保存为.csv文件 |
.to_excel(路径) | 保存为.xlsx文件 |
1. 使用DataFrame构造函数
| 函数 | 作用 |
|---|---|
DataFrame(data = 数据, index = 行标题, columns = 列标题, dtype = 类型, copy = 是否深拷贝) | 创建DataFrame对象 |
创建时不指定index，系统会自动生成从0开始的索引, 即行标题从0开始
(1). 使用列表创建
import pandasdataFrame = pandas.DataFrame( data = [ [60, 78, 92, 85], [70, 68, 95, 76], [88, 98, 83, 87] ], index = ['小明', '小红', '小强',], columns=['语文', '数学', '英语', '化学'], dtype = float, copy = True)print(dataFrame)结果:
语文 数学 英语 化学小明 60.0 78.0 92.0 85.0小红 70.0 68.0 95.0 76.0小强 88.0 98.0 83.0 87.0使用列表创建
一个列表表示一条记录
index是每一条记录的名称
columns是每一列的名字
(2). 使用字典创建
import pandasdataFrame = pandas.DataFrame( data = { '语文': [60, 78, 92, 85], '数学': [70, 68, 95, 76], '英语': [88, 98, 83, 87], }, index = ['小明', '小红', '小强', '小美'], dtype = float, copy = True)print(dataFrame)结果:
语文 数学 英语小明 60.0 70.0 88.0小红 78.0 68.0 98.0小强 92.0 95.0 83.0小美 85.0 76.0 87.0使用字典创建
列名称是字典中键的名称, 字典中的元素是该列的值
index是每一条记录的名称, index的长度与字典中某一个键值对的值的长度一样
(3). 从另一个DataFrame对象创建
import pandasdataFrame = pandas.DataFrame( data = [ [60, 78, 92, 85], [70, 68, 95, 76], [88, 98, 83, 87] ], index = ['小明', '小红', '小强', ], columns = ['语文', '数学', '英语', '化学'], dtype = float, copy = False)dataFrame2 = pandas.DataFrame(dataFrame, copy = False)print(dataFrame2)dataFrame2['语文'] = [0, 0, 0]print(dataFrame)结果:
语文 数学 英语 化学小明 60.0 78.0 92.0 85.0小红 70.0 68.0 95.0 76.0小强 88.0 98.0 83.0 87.0 语文 数学 英语 化学小明 0 78.0 92.0 85.0小红 0 68.0 95.0 76.0小强 0 98.0 83.0 87.0从已有的DataFrame创建, copy参数可以指定深拷贝还是浅拷贝
当copy = False是浅拷贝, 上面的这个例子就证明了
2. 从文件读取
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-WPjNMdzf-1654143923432)(Pandas图片/img_1.png)]
| 函数 | 作用 |
|---|---|
read_csv(filepath_or_buffer = 文件路径, delimiter = 分隔符, header = 是否第一行为列标题, engine = 引擎, encoding = 编码) | 读取.csv文件创建DataFrame对象 |
read_excel(路径, header = 指定哪一行为标题, names = 指定列标题) | 读取.xlsx文件创建DataFrame对象 |
(1). 从.csv文件读取
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-hbWIevrU-1654143923434)(Pandas图片/img_2.png)]
import pandasdataFrame = pandas.read_csv('../数据/test.csv')print(dataFrame)结果:
姓名 语文 数学 英语0 小明 62.0 66.0 86.01 小红 86.0 97.5 100.0默认分隔符以","逗号分割, 可以指定分割类型
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-djldd8ju-1654143923435)(Pandas图片/img_3.png)]
import pandasdataFrame = pandas.read_csv( '../数据/test.csv', delimiter = '|')print(dataFrame)结果:
姓名 语文 数学 英语0 小明 62.0 66.0 86.01 小红 86.0 97.5 100.0默认以第一行作为列标题, 可以不知道列标题, 这样第一行也变成了数据
import pandasdataFrame = pandas.read_csv( filepath_or_buffer = '../数据/test.csv', delimiter = '|', header = None, engine = 'python', encoding = 'utf-8')print(dataFrame)结果:
0 1 2 30 姓名 语文 数学 英语1 小明 62. 66. 86.2 小红 86. 97.5 100.engine是使用的分析引擎，读取csv文件一般指定python避免中文和编码造成的报错
encoding是编码格式
(2). 从excel文件读取
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-M48iNtPG-1654143923436)(Pandas图片/img.png)]
import pandasdataFrame = pandas.read_excel( '../数据/test.XLSX', header = None)print(dataFrame) 0 1 20 姓名 语文 数学1 小明 66.5 862 小红 89 99.53. 存储
| 函数 | 作用 |
|---|---|
.to_csv(路径) | 保存为.csv文件 |
.to_excel(路径) | 保存为.xlsx文件 |
DataFrame 查看数据
函数
| 函数 | 作用 |
|---|---|
.head(n = 5) | 查看数据前n行 |
.tail(n = 5) | 查看数据后n行 |
.info() | 查看数据信息 |
.describe() | 查看数据统计信息 |
1. 查看前几行
import pandasfrom sklearn import datasetsiris = datasets.load_iris()dataFrame = pandas.DataFrame(iris.data)print(dataFrame.head(10))结果:
0 1 2 30 5.1 3.5 1.4 0.21 4.9 3.0 1.4 0.22 4.7 3.2 1.3 0.23 4.6 3.1 1.5 0.24 5.0 3.6 1.4 0.25 5.4 3.9 1.7 0.46 4.6 3.4 1.4 0.37 5.0 3.4 1.5 0.28 4.4 2.9 1.4 0.29 4.9 3.1 1.5 0.12. 查看后几行
import pandasfrom sklearn import datasetsiris = datasets.load_iris()dataFrame = pandas.DataFrame(iris.data)print(dataFrame.tail())结果:
0 1 2 3145 6.7 3.0 5.2 2.3146 6.3 2.5 5.0 1.9147 6.5 3.0 5.2 2.0148 6.2 3.4 5.4 2.3149 5.9 3.0 5.1 1.83. 格式查看
import pandasfrom sklearn import datasetsiris = datasets.load_iris()dataFrame = pandas.DataFrame(iris.data)print(dataFrame.info())结果:
# 对象的类型<class 'pandas.core.frame.DataFrame'># 数据范围, 一共150个, 从0 - 149RangeIndex: 150 entries, 0 to 149# 数据一共4列Data columns (total 4 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 0 150 non-null float64 1 1 150 non-null float64 2 2 150 non-null float64 3 3 150 non-null float64dtypes: float64(4)memory usage: 4.8 KBNone4. 查看统计信息
import pandasfrom sklearn import datasetsiris = datasets.load_iris()dataFrame = pandas.DataFrame(iris.data)print(dataFrame.describe())结果:
0 1 2 3count 150.000000 150.000000 150.000000 150.000000mean 5.843333 3.057333 3.758000 1.199333std 0.828066 0.435866 1.765298 0.762238min 4.300000 2.000000 1.000000 0.10000025% 5.100000 2.800000 1.600000 0.30000050% 5.800000 3.000000 4.350000 1.30000075% 6.400000 3.300000 5.100000 1.800000max 7.900000 4.400000 6.900000 2.500000DataFrame 列操作
函数
| 函数 | 作用 |
|---|---|
.drop(列名, axis = 1, inplace = True) | 查看数据前n行 |
1. 增加列
增加一列，用dataFrame[‘新列名’] = 新列值的形式, 在原数据基础上赋值即可
import pandasdataFrame = pandas.DataFrame( data=[ [60, 78, 92, 85], [70, 68, 95, 76], [88, 98, 83, 87] ], index = ['小明', '小红', '小强', ], columns = ['语文', '数学', '英语', '化学'], dtype = float)print(dataFrame)dataFrame['生物'] = [96, 86, 88]print(dataFrame)结果:
语文 数学 英语 化学小明 60.0 78.0 92.0 85.0小红 70.0 68.0 95.0 76.0小强 88.0 98.0 83.0 87.0 语文 数学 英语 化学 生物小明 60.0 78.0 92.0 85.0 96小红 70.0 68.0 95.0 76.0 86小强 88.0 98.0 83.0 87.0 88将其他的数据列增加过来, 即横向合并
import pandasdataFrame1 = pandas.DataFrame( data=[ ['一级', '读书', 21, 176], ['二级', '游泳', 22, 178], ['三级', '游泳', 21, 185], ['二级', '游泳', 19, 182], ], columns=['等级', '爱好', '年龄', '身高'], index = ['小明', '小红', '小强', '小于'])print(dataFrame1)dataFrame2 = pandas.DataFrame( data=[ ['学士', 'O'], ['学士', 'A'], ['博士', 'A'], ['院士', 'B'], ], columns=['学位', '血型'], index = ['小明', '小红', '小强', '小于'])print(dataFrame2)r = pandas.merge( left = dataFrame1, right = dataFrame2, left_index = True, right_index = True, how = 'inner')print(r)结果:
等级 爱好 年龄 身高小明 一级 读书 21 176小红 二级 游泳 22 178小强 三级 游泳 21 185小于 二级 游泳 19 182 学位 血型小明 学士 O小红 学士 A小强 博士 A小于 院士 B2. 删除列
使用, axis = 0表示对行操作, axis = 1表示针对列的操作, inplace为True, 则直接在源数据上进行修改, 否则源数据会保持原样
import pandasdataFrame = pandas.DataFrame( data=[ [60, 78, 92, 85], [70, 68, 95, 76], [88, 98, 83, 87] ], index = ['小明', '小红', '小强', ], columns = ['语文', '数学', '英语', '化学'], dtype = float)dataFrame['生物'] = [96, 86, 88]print(dataFrame)dataFrame.drop('化学', axis = 1, inplace = True)print(dataFrame)结果:
语文 数学 英语 化学 生物小明 60.0 78.0 92.0 85.0 96小红 70.0 68.0 95.0 76.0 86小强 88.0 98.0 83.0 87.0 88 语文 数学 英语 生物小明 60.0 78.0 92.0 96小红 70.0 68.0 95.0 86小强 88.0 98.0 83.0 883. 选择列
import pandasdataFrame = pandas.DataFrame( data=[ [60, 78, 92, 85], [70, 68, 95, 76], [88, 98, 83, 87] ], index=['小明', '小红', '小强', ], columns=['语文', '数学', '英语', '化学'], dtype=float)print(dataFrame['语文'])print(dataFrame[['语文', '化学']])结果:
小明 60.0小红 70.0小强 88.0Name: 语文, dtype: float64 语文 化学小明 60.0 85.0小红 70.0 76.0小强 88.0 87.04. 修改列
全部修改为同一个值
指定修改的列的内容
import pandasdataFrame = pandas.DataFrame( data=[ [60, 78, 92, 85], [70, 68, 95, 76], [88, 98, 83, 87] ], index=['小明', '小红', '小强', ], columns=['语文', '数学', '英语', '化学'], dtype=float)dataFrame['语文'] = 1dataFrame['化学'] = [100, 100, 100.0]print(dataFrame)结果:
语文 数学 英语 化学小明 1 78.0 92.0 100.0小红 1 68.0 95.0 100.0小强 1 98.0 83.0 100.0DataFrame 索引
| 属性 | 作用 |
|---|---|
iloc[ , ] | 对数据操作, 允许整数, 整数的列表, 切片, 布尔数组 |
loc[ , ] | 对数据操作, 允许标签和布尔 |
isin(数据列表) | 处于数据列表 |
1. 数字索引
dataFrame[行索引, 列索引]
取出数据中 3×3的零
import pandasdataFrame = pandas.DataFrame( data=[ [60, 78, 92, 85], [70, 68, 95, 76], [88, 98, 83, 87], [60, 78, 92, 85], [70, 0, 0, 0], [88, 0, 0, 0], [60, 0, 0, 0], [70, 68, 95, 76], [88, 98, 83, 87] ], dtype = float, columns = ['语文', '数学', '英语', '化学'])a = dataFrame.iloc[4:7, 1:]print(a)结果:
数学 英语 化学4 0.0 0.0 0.05 0.0 0.0 0.06 0.0 0.0 0.0取出数据中 2×2的零
import pandasdataFrame = pandas.DataFrame( data=[ [60, 78, 92, 85], [70, 68, 95, 76], [88, 98, 83, 87], [60, 78, 92, 85], [70, 0, 92, 0], [60, 78, 92, 85], [60, 0, 92, 0], [70, 68, 95, 76], [88, 98, 83, 87] ], dtype = float, columns = ['语文', '数学', '英语', '化学'])a = dataFrame.iloc[4:7:2, 1:4:2]print(a)结果:
数学 化学4 0.0 0.06 0.0 0.02. 布尔索引
dataFrame[行索引, 列索引]
行索引和列索引可以是布尔数组
import pandasdataFrame = pandas.DataFrame( data=[ ['一级', '读书', 21, 176], ['二级', '游泳', 22, 178], ['三级', '游泳', 21, 185], ['二级', '游泳', 19, 182], ], columns = ['等级', '爱好', '年龄', '身高'])b = [True, False, False, True]a = dataFrame.iloc[b, :]print(a)结果:
等级 爱好 年龄 身高0 一级 读书 21 1763 二级 游泳 19 182iloc()函数参数允许:
整数整数的列表切片布尔数组3. 标签索引
import pandasdataFrame = pandas.DataFrame( data=[ ['一级', '读书', 21, 176], ['二级', '游泳', 22, 178], ['三级', '游泳', 21, 185], ['二级', '游泳', 19, 182], ], columns=['等级', '爱好', '年龄', '身高'])# 找出等级为一的全部数据b = (dataFrame['等级'] == '一级') & (dataFrame['年龄'] == 21)r = dataFrame.loc[b, :]print(r)r = dataFrame.loc[:, ['年龄']]print(r)结果:
等级 爱好 年龄 身高0 一级 读书 21 176 年龄0 211 222 213 19找出等级在是二和三的数据
import pandasdataFrame = pandas.DataFrame( data=[ ['一级', '读书', 21, 176], ['二级', '游泳', 22, 178], ['三级', '游泳', 21, 185], ['二级', '游泳', 19, 182], ], columns=['等级', '爱好', '年龄', '身高'])b = dataFrame['等级'].isin(['二级', '三级'])r = dataFrame.loc[b, :]print(r)结果:
等级 爱好 年龄 身高1 二级 游泳 22 1782 三级 游泳 21 1853 二级 游泳 19 182DataFrame 操作
| 函数 | 作用 |
|---|---|
concat(dataFrame列表) | 将这些dataFrame的数据纵向叠加 |
merge(left = 左表, right = 右表, left_index, right_index, how = 连接方式) | 按照指定连接方式将两个表合并 |
.dropna(subset = 列名列表) | 只要一行中任意一个字段为空，就会被删除 |
.isnull() | 返回布尔DataFrame对象 |
.fillna(值) | 用值填充空值 |
.dropduplicates(subset = 列名列表, keep = 'first' 或 'last') | 删除完全重复行, 可指定某字段重复时删除, 默认保留第一个, 后面重复的会删掉 |
.sort_values(by = 列名, ascending = 是否升序) | 对指定列排序 |
.groupby('列名') | 对指定列分组, 就是把该列值一样的分成一组 |
cut(x = 切分数据, bins = 切分方式, right = 是否包含右区间, labels = 分割后每段的名字列表) | 对一个数组进行分段 |
| inplace属性 True : 对原来数据操作, False : 不对原来的数据操作 |
1. 纵向合并
import pandasdataFrame1 = pandas.DataFrame( data=[ ['一级', '读书', 21, 176], ['二级', '游泳', 22, 178], ['三级', '游泳', 21, 185], ['二级', '游泳', 19, 182], ], columns=['等级', '爱好', '年龄', '身高'], index = ['小明', '小红', '小强', '小于'])r = pandas.concat([dataFrame1, dataFrame1])print(r)结果:
等级 爱好 年龄 身高小明 一级 读书 21 176小红 二级 游泳 22 178小强 三级 游泳 21 185小于 二级 游泳 19 182小明 一级 读书 21 176小红 二级 游泳 22 178小强 三级 游泳 21 185小于 二级 游泳 19 1822. 横向合并
import pandasdataFrame1 = pandas.DataFrame( data=[ ['一级', '读书', 21, 176], ['二级', '游泳', 22, 178], ['三级', '游泳', 21, 185], ['二级', '游泳', 19, 182], ], columns=['等级', '爱好', '年龄', '身高'], index=['小明', '小红', '小强', '小于'])print(dataFrame1)dataFrame2 = pandas.DataFrame( data=[ ['学士', 'O'], ['学士', 'A'], ['博士', 'A'], ['院士', 'B'], ], columns=['学位', '血型'], index=['小明', '小红', '小强', '小于'])print(dataFrame2)r = pandas.merge( left=dataFrame1, right=dataFrame2, left_index=True, right_index=True, how='inner')print(r)结果:
等级 爱好 年龄 身高小明 一级 读书 21 176小红 二级 游泳 22 178小强 三级 游泳 21 185小于 二级 游泳 19 182小明 一级 读书 21 176小红 二级 游泳 22 178小强 三级 游泳 21 185小于 二级 游泳 19 182| 参数 | 作用 |
|---|---|
left | 左表名 |
right | 右表名 |
left_index | 左表按照索引连接 |
right_index | 右表按照索引连接 |
how | 连接方式, inner, left, right, outer |
左连接左表数据不改变, 连接时没有的字段为空
右连接右表数据不改变, 连接时没有的字段为空
外连接是两个表的数据都不变, 没有的字段为空
3. 空值处理
| 函数 | 作用 |
|---|---|
.dropna(subset = 列名列表) | 只要一行中任意一个字段为空，就会被删除 |
.isnull() | 返回布尔DataFrame对象 |
(1). 判断空值
import pandasdataFrame = pandas.DataFrame( data=[ ['一级', None, 21, 176], ['二级', '游泳', None, 178], ['三级', '游泳', 21, 185], [None, '游泳', 19, None], ], columns=['等级', '爱好', '年龄', '身高'], index=['小明', '小红', '小强', '小于'])print(dataFrame)print(dataFrame.isnull())print(dataFrame['等级'].isnull())结果:
等级 爱好 年龄 身高小明 一级 None 21.0 176.0小红 二级 游泳 NaN 178.0小强 三级 游泳 21.0 185.0小于 None 游泳 19.0 NaN 等级 爱好 年龄 身高小明 False True False False小红 False False True False小强 False False False False小于 True False False True小明 False小红 False小强 False小于 TrueName: 等级, dtype: bool(2). 计算空值个数
import pandasdataFrame = pandas.DataFrame( data=[ ['一级', None, 21, 176], ['二级', '游泳', None, 178], ['三级', '游泳', 21, 185], [None, '游泳', 19, None], ], columns=['等级', '爱好', '年龄', '身高'], index=['小明', '小红', '小强', '小于'])print(dataFrame)print(dataFrame.isnull().sum())结果:
等级 爱好 年龄 身高小明 一级 None 21.0 176.0小红 二级 游泳 NaN 178.0小强 三级 游泳 21.0 185.0小于 None 游泳 19.0 NaN等级 1爱好 1年龄 1身高 1dtype: int64(3). 删除空值
dropna()函数, 只要一行中任意一个字段为空，就会被删除
dropna(subset = [‘列名’]), 指定当某列出现空值才删除
import pandasdataFrame = pandas.DataFrame( data=[ ['一级', None, 21, 176], ['二级', '游泳', None, 178], ['三级', '游泳', 21, 185], [None, '游泳', 19, None], ], columns=['等级', '爱好', '年龄', '身高'], index=['小明', '小红', '小强', '小于'])print(dataFrame)print(dataFrame.dropna())结果:
等级 爱好 年龄 身高小明 一级 None 21.0 176.0小红 二级 游泳 NaN 178.0小强 三级 游泳 21.0 185.0小于 None 游泳 19.0 NaN 等级 爱好 年龄 身高小强 三级 游泳 21.0 185.0(4). 填充空值
import pandasdataFrame = pandas.DataFrame( data=[ ['一级', None, 21, 176], ['二级', '游泳', None, 178], ['三级', '游泳', 21, 185], [None, '游泳', 19, None], ], columns=['等级', '爱好', '年龄', '身高'], index=['小明', '小红', '小强', '小于'])print(dataFrame)dataFrame['年龄'] = dataFrame['年龄'].fillna(20)print(dataFrame)结果:
小明 一级 None 21.0 176.0小红 二级 游泳 NaN 178.0小强 三级 游泳 21.0 185.0小于 None 游泳 19.0 NaN 等级 爱好 年龄 身高小明 一级 None 21.0 176.0小红 二级 游泳 20.0 178.0小强 三级 游泳 21.0 185.0小于 None 游泳 19.0 NaN4. 去重
| 函数 | 作用 |
|---|---|
.dropduplicates(subset = 列名列表, keep = 'first' 或 'last') | 删除完全重复行, 可指定某字段重复时删除, 默认保留第一个, 后面重复的会删掉 |
import pandasdataFrame = pandas.DataFrame( data=[ ['一级', None, 21, 176], ['二级', '游泳', None, 178], ['三级', '游泳', 21, 185], [None, '游泳', 19, None], ], columns=['等级', '爱好', '年龄', '身高'], index=['小明', '小红', '小强', '小于'])print(dataFrame)print(dataFrame.drop_duplicates(subset = ['爱好'], keep = 'first'))结果:
等级 爱好 年龄 身高小明 一级 None 21.0 176.0小红 二级 游泳 NaN 178.0小强 三级 游泳 21.0 185.0小于 None 游泳 19.0 NaN 等级 爱好 年龄 身高小明 一级 None 21.0 176.0小红 二级 游泳 NaN 178.05. 排序
| 函数 | 作用 |
|---|---|
.sort_values(by = 列名, ascending = 是否升序) | 对某列排序 |
import pandasdataFrame = pandas.DataFrame( data=[ ['一级', None, 21, 176], ['二级', '游泳', None, 178], ['三级', '游泳', 21, 185], [None, '游泳', 19, None], ], columns=['等级', '爱好', '年龄', '身高'], index=['小明', '小红', '小强', '小于'])print(dataFrame)dataFrame = dataFrame.sort_values(by = '等级', ascending = True)print(dataFrame)结果:
等级 爱好 年龄 身高小明 一级 None 21.0 176.0小红 二级 游泳 NaN 178.0小强 三级 游泳 21.0 185.0小于 None 游泳 19.0 NaN 等级 爱好 年龄 身高小明 一级 None 21.0 176.0小强 三级 游泳 21.0 185.0小红 二级 游泳 NaN 178.0小于 None 游泳 19.0 NaN6. 分组
分组就是把指定的一列的值相同的分为一组, 调用一些函数对这些指定列值相同数据进行操作
| 函数 | 作用 |
|---|---|
.groupby('列名') | 对指定列分组, 就是把该列值一样的分成一组 |
| 计算值函数 | 作用 |
|---|---|
sum() | 组内求和 |
max() | 组内求最大值 |
min() | 组内求最小值 |
std() | 组内求标准差 |
mean() | 组内求平均数 |
import pandasdataFrame = pandas.DataFrame( data=[ ['一级', '读书', 21, 176], ['二级', '游泳', 20, 178], ['三级', '游泳', 21, 185], ['四级', '游泳', 19, 177], ], columns=['等级', '爱好', '年龄', '身高'], index=['小明', '小红', '小强', '小于'])print(dataFrame)groupData = dataFrame.groupby('年龄')print(groupData)print(groupData.sum())print(groupData.max())print(groupData.min())print(groupData.std())print(groupData.mean())结果:
等级 爱好 年龄 身高小明 一级 读书 21 176小红 二级 游泳 20 178小强 三级 游泳 21 185小于 四级 游泳 19 177<pandas.core.groupby.generic.DataFrameGroupBy object at 0x000001E4FB3E4730> 身高年龄 19 17720 17821 361 等级 爱好 身高年龄 19 四级 游泳 17720 二级 游泳 17821 三级 读书 185 等级 爱好 身高年龄 19 四级 游泳 17720 二级 游泳 17821 一级 游泳 176 身高年龄 19 NaN20 NaN21 6.363961 身高年龄 19 177.020 178.021 180.5可以指定分组后的数据的列进行操作
dataFrame = pandas.DataFrame( data=[ ['一级', '读书', 21, 176], ['二级', '游泳', 20, 178], ['三级', '游泳', 21, 185], ['四级', '游泳', 19, 177], ['四级', '读书', 19, 165], ['四级', '读书', 19, 190], ], columns=['等级', '爱好', '年龄', '身高'], index=['小明', '小红', '小强', '小于', '小兰', '小智'])print(dataFrame)groupData = dataFrame.groupby('年龄')groupData = groupData['身高']print(groupData.sum())结果:
等级 爱好 年龄 身高小明 一级 读书 21 176小红 二级 游泳 20 178小强 三级 游泳 21 185小于 四级 游泳 19 177小兰 四级 读书 19 165小智 四级 读书 19 190年龄19 53220 17821 361Name: 身高, dtype: int647. 分段
| 函数 | 作用 |
|---|---|
cut(x = 切分数据, bins = 切分方式, right = 是否包含右区间, labels = 分割后每段的名字列表) | 对一个数组进行分段 |
import pandasdataFrame = pandas.DataFrame( data=[ ['一级', '读书', 21, 176], ['二级', '游泳', 20, 178], ['三级', '游泳', 21, 185], ['四级', '游泳', 19, 177], ['四级', '读书', 19, 165], ['四级', '读书', 19, 190], ], columns=['等级', '爱好', '年龄', '身高'], index=['小明', '小红', '小强', '小于', '小兰', '小智'])r = pandas.cut(x = dataFrame['身高'], bins = [160, 170, 180, 190, 200], right = False, labels = ['中等身高', '身高较高', '身高很高', '身高太高'])print(r, end = '\n')r = pandas.cut(x=dataFrame['身高'], bins = 4, right=False, labels=['中等身高', '身高较高', '身高很高', '身高太高'])print(r)结果:
小明 身高较高小红 身高较高小强 身高很高小于 身高较高小兰 中等身高小智 身高太高Name: 身高, dtype: categoryCategories (4, object): ['中等身高' < '身高较高' < '身高很高' < '身高太高']小明 身高较高小红 身高很高小强 身高太高小于 身高较高小兰 中等身高小智 身高太高Name: 身高, dtype: categoryCategories (4, object): ['中等身高' < '身高较高' < '身高很高' < '身高太高']