乐趣区

关于机器学习:15个基本且常用Pandas代码片段

Pandas 提供了弱小的数据操作和剖析性能,是数据迷信的日常根本工具。在本文中,咱们将介绍最罕用的 15 个 Pandas 代码片段。这些片段将帮忙简化数据分析工作,从数据集中提取有价值的见解。

1、过滤数据

Pandas 提供了多种办法来过滤数据。

 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、分组和聚合数据

 # Grouping by a column and calculating the mean
 grouped = df.groupby('Age').mean()
 print(grouped)

3、数据缺失值

 # Check for missing values
 missing_values = df.isnull().sum()
 
 # Fill missing values with a specific value
 df['Age'].fillna(0, inplace=True)

4、将函数利用于列

apply()

函数容许在 DataFrame 的行或列上利用自定义函数,以实现更简单的数据处理和转换操作。

 df['Age'] = df['Age'].apply(lambda x: x * 2)

5、连贯 DataFrames

这里的连贯次要是行的连贯,也就是说将两个雷同列构造的 DataFrame 进行连贯

 # 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

这里的合并指的是列的合并,也就是说依据一个或若干个雷同的列,进行合并

 # 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、数据透视表

pivot_table

是用于数据透视的重要函数之一。它依据一个或多个列的值对数据进行重新排列和汇总,以便更好地了解数据的构造和关系。

 # Creating a pivot table
 pivot_table = df.pivot_table(index='Name', columns='Age', values='Value')
 print(pivot_table)

8、解决工夫 / 日期类型数据

 # Converting a column to DateTime
 df['Date'] = pd.to_datetime(df['Date'])

9、数据重塑

pandas.melt()

是用于将宽格局(wide format)的数据表格转换为长格局(long format)。这个函数通常用于数据重塑(data reshaping)操作,以便更容易进行数据分析和可视化。

 pandas.melt(frame, id_vars=None, value_vars=None, var_name=None, value_name='value', col_level=None)

参数阐明:

  • frame:要进行重塑操作的数据表格(DataFrame)。
  • id_vars:须要保留的列,它们将成为长格局中的标识变量(identifier variable),不被 ” 消融 ”。
  • value_vars:须要 ” 消融 ” 的列,它们将被整合成一列,并用新的列名示意。
  • var_name:用于存储 ” 消融 ” 后的列名的新列的名称。
  • value_name:用于存储 ” 消融 ” 后的值的新列的名称。
  • col_level:如果输出数据是多级索引(MultiIndex),则能够指定在哪个级别上利用 ” 消融 ” 操作。

上面是一个示例,演示如何应用

melt()

函数将宽格局数据转换为长格局,假如有以下的宽格局数据表格

df

    ID  Name  Math  English  History
 0   1   Amy    90       85       88
 1   2   Bob    78       92       76
 2   3  John    88       79       90

咱们要将

Math

English

History

列 ” 消融 ” 为一个长格局数据表格,能够这样做:

 melted_df=pd.melt(df, id_vars=['ID', 'Name'], value_vars=['Math', 'English', 'History'], var_name='Subject', value_name='Score')

转换后的长格局数据表格

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

通过这种形式,你能够将宽格局数据表格中的多列数据整合到一个列中,以更容易进行剖析、可视化或其余操作。

melt()

函数在数据荡涤和转换阶段十分有用。

melt()

或者能够了解为下面

pivot_table

或者

unstack

的反操作。

10、分类数据

astype('category')

是用于将一列数据类型转换为分类(Category)类型的办法。将数据列转换为分类类型有助于节俭内存和进步性能,特地是当数据列中蕴含无限的不同取值时。

 # Encoding categorical variables
 df['Category'] = df['Category'].astype('category')
 df['Category'] = df['Category'].cat.codes

11、数据抽样

 # Randomly sample rows from a DataFrame
 sampled_df = df.sample(n=2)

12、计算累加和

 # Calculating cumulative sum
 df['Cumulative_Sum'] = df['Values'].cumsum()

13、删除反复的数据

 # Removing duplicate rows
 df.drop_duplicates(subset=['Column1', 'Column2'], keep='first', inplace=True)

14、创立虚构变量

pandas.get_dummies()

是 Pandas 中用于执行独热编码(One-Hot Encoding)的函数。

 # Creating dummy variables for categorical data
 dummy_df = pd.get_dummies(df, columns=['Category'])

15、数据导出

有很多个 to 办法,能够到导出不同的格局

 # Exporting DataFrame to CSV
 df.to_csv('output.csv', index=False)

总结

以上这 15 个 Pandas 代码片段是咱们日常最罕用的数据操作和剖析操作。纯熟的把握它,并将它们合并到工作流程中,能够进步解决和摸索数据集的效率和成果。

https://avoid.overfit.cn/post/d5097a67e5c34a0ab42395d8c22091e1

作者:pythonfundamentals

退出移动版