您的位置:首页 > 其它

数据分析之Pandas-03多行索引和数据处理

2017-10-28 21:46 302 查看

01-多层行索引

进行切片,有些汉字出问题,有些没问题

02-Pandas数据处理

删除重复元素

df = DataFrame({'color':['white','white','red','red','white'],
'value':[2,1,3,3,2]})
display(df,df.duplicated(),df.drop_duplicates())


映射

replace()函数:替换元素,

map()函数:新建一列!!!map中返回的数据是一个具体值,不能迭代

rename()函数:替换索引

异常值检测和过滤

使用describe()函数查看每一列的描述性统计量。

使用std()函数可以求得DataFrame对象每一列的标准差。

根据每一列的标准差,对DataFrame元素进行过滤。

借助any()函数,对每一列应用筛选条件

排序

使用.take()函数排序

可以借助np.random.permutation()函数随机排序

随机抽样

当DataFrame规模足够大时,直接使用np.random.randint()函数,就配合take()函数实现随机抽样

练习:

创建DataFrame:张三李四王老五的期中考试成绩,对着三名同学随机排序

初级数据聚合

数据分类处理的核心: groupby()函数

高级数据聚合

可以使用pd.merge()函数包聚合操作的计算结果添加到df的每一行。

可以使用transform和apply实现相同功能。
内容来自用户分享和网络整理,不保证内容的准确性,如有侵权内容,可联系管理员处理 点击这里给我发消息
标签: