六个实用Pandas数据处理代码
作者:??编程学习网???? 时间:2023-03-01 05:29:00
前言:
今天和大家分享自己总结的6个常用的Pandas数据处理代码,对于经常处理数据的coder最好熟练掌握。
选取有空值的行
在观察数据结构时,该方法可以快速定位存在缺失值的行。
df = pd.DataFrame({'A': [0, 1, 2],
'B': [0, 1, None],
'C': [0, None, 2]})
df[df.isnull().T.any()]
输出:
A B C A B C
0 0 0.0 0.0 1 1 1.0 NaN
1 1 1.0 NaN --> 2 2 NaN 2.0
2 2 NaN 2.0
快速替换列值
实际数据处理经常会根据一些限定条件来替换列中的值。
df = pd.DataFrame({'name':['Python', 'Java', 'C']})
# 第一种方式
df['name'].replace('Java', 'JavaScript', inplace=True)
# 第二种方式
df.loc[df['name'].str.contains('Java'), 'name'] = 'JavaScript'
输出:
name name
0 Python 0 Python
1 Java ---> 1 JavaScript
2 C 2 C
对列进行分区
很多情况下,对于数值类型的数据,我们需要分区来计算每个区间数据出现的频率。这时用 pd.cut 就能很好的解决这一问题。
import random
age = random.sample(range(90), 20)
cut_res = pd.cut(age, bins=[0, 18, 35, 60, 90])
# cut_res type:<class 'pandas.core.arrays.categorical.Categorical'>
cut_res.value_counts()
输出:
(0, 18] 6
(18, 35] 1
(35, 60] 6
(60, 90] 7
将一列分为多列
在文本数据清洗时,一些列中存在分隔符('', ',', ':')分隔的值,我们只需将该列根据分隔符进行 split 即可。
import pandas as pd
df = pd.DataFrame({'address': ['四川省 成都市',
'湖北省 武汉市',
'浙江省 杭州市']})
res = df['address'].str.split(' ', expand=True)
res.columns = ['province', 'city']
输出:
province city
0 四川省 成都市
1 湖北省 武汉市
2 浙江省 杭州市
expand
参数选择是否扩展为 DataFrame,False 则返回 Series
中文筛选
同样在清洗过程中,往往会出现一些不需要的中文字段,这时直接用 str.contains 筛选即可。
df = pd.DataFrame({'mobile_phone':
['15928765644',
'15567332235',
'暂无']})
df[~df['mobile_phone'].str.contains('[\u4e00-\u9fa5]')]
输出:
mobile_phone mobile_phone
0 15928765644 0 15928765644
1 15567332235 --> 1 15567332235
2 暂无
更改列的位置
有时我们需要调整列的位置,当数据列较少时,可以用下面的方式
df = pd.DataFrame({'name': ['A', 'B', 'C'],
'age': [10, 20, 30],
'gender': [0, 1, 0]})
df = df[['name', 'gender', 'age']]
输出:
name age gender name gender age
0 A 10 0 0 A 0 10
1 B 20 1 --> 1 B 1 20
2 C 30 0 2 C 0 30
如果列较多,那么,一个个列举出来会比较繁琐,推荐下面插入的方式。
col = df['gender']
df.drop('gender', axis=1, inplace=True)
df.insert(1, 'gender', col)
这就是今天分享的主要内容,实践永远是最好的学习方式,记忆的也更牢固。
来源:https://juejin.cn/post/7083696267372527653
![](/images/zang.png)
![](/images/jiucuo.png)
猜你喜欢
python为什么会环境变量设置不成功
![](https://img.aspxhome.com/file/2023/7/113127_0s.jpg)
301转向和网址规范化
浅谈python str.format与制表符\\t关于中文对齐的细节问题
![](https://img.aspxhome.com/file/2023/2/78682_0s.jpg)
Pandas.DataFrame时间序列数据处理的实现
python 并发下载器实现方法示例
浅谈keras 模型用于预测时的注意事项
Vue官方推荐AJAX组件axios.js使用方法详解与API
python实现计算器小功能
![](https://img.aspxhome.com/file/2023/7/134757_0s.jpg)
Python自然语言处理之词干,词形与最大匹配算法代码详解
PHP中的session永不过期的解决思路及实现方法分享
python实现TCP服务器端与客户端的方法详解
Python图像处理之使用OpenCV检测对象颜色
![](https://img.aspxhome.com/file/2023/9/75089_0s.jpg)
Python3.5.3下配置opencv3.2.0的操作方法
![](https://img.aspxhome.com/file/2023/7/100277_0s.jpg)
python中引用与复制用法实例分析
一篇文章教你用Python实现一键文件重命名
![](https://img.aspxhome.com/file/2023/8/71508_0s.jpg)