PyCharm是一種Python IDE，其帶有一整套可以幫助用戶在使用Python語言開發(fā)時提高其效率的工具。此外，該IDE提供了一些高級功能，以用于Django框架下的專業(yè)Web開發(fā)。PyCharm現(xiàn)已加入在線訂購，點擊此處了解價格詳情。

點擊下載PyCharm最新試用版

Pandas教程：Python數(shù)據(jù)框架的10個常見問題

當您開始使用Python進行數(shù)據(jù)分析和數(shù)據(jù)科學(xué)時，Pandas是您將學(xué)習(xí)的第一個庫之一。其可幫助您處理數(shù)據(jù)集，轉(zhuǎn)換和清理數(shù)據(jù)以及獲取統(tǒng)計信息。

在本教程中，我們將回答人們在使用熊貓時遇到的10個最常見的問題。

數(shù)據(jù)集

在本教程的第一部分中，我們將使用包含城市人口樣本數(shù)據(jù)以及有關(guān)土地面積和人口密度的一些信息的數(shù)據(jù)集。

Pandas Loc和iloc

pandas.loc[] 有助于通過標簽或布爾數(shù)組切片訪問一組行和列。

讓我們選擇墨西哥城的人口。

下面我們僅打印墨西哥城的人口。

使用，.iloc[]您可以使用數(shù)字整數(shù)索引選擇列。

請記住以下幾點：

• 平原:用于選擇行/列中的所有數(shù)據(jù)。
• 0:2 將選擇行/列0和1。不包括2。
• -1 將選擇最后一個元素。

重命名列

接下來，我們將重命名這些列，以使它們將來更易于訪問。

有幾種方法可以做到這一點：

• 直接分配df.columns一個列名稱數(shù)組。
• 用df.rename重命名特定列。

在pandas DataFrame中選擇多個列

讓我們將DataFrame分為兩個包含以下內(nèi)容的DataFrame：

1. 城市，國家和人口。
2. 城市，區(qū)域和密度。

我們可以通過幾種方式做到這一點：

• 通過使用.iloc[:, 0:3]，其中括號中的第一個參數(shù)選擇所有行，第二個參數(shù)選擇列0，列1和列2。
• 通過將DataFrame切片為double[]并輸入要選擇的列名。

熊貓按列合并兩個表

接下來，我們將垂直連接我們創(chuàng)建的兩個表。這些表具有相同的City列，因此我們將使用該pd.merge函數(shù)來連接兩個表。

該left_on和right_on參數(shù)指示列名在第一和第二個表合并上。

使用pandas更改pandas中的列類型

與數(shù)據(jù)幀的工作進一步，我們需要轉(zhuǎn)變Population，Area以及Density從字符串列轉(zhuǎn)換為數(shù)字。

為此，我們將：

1. 創(chuàng)建一個函數(shù)，to_int()它將帶有'，'符號的字符串轉(zhuǎn)換為整數(shù)。
2. 將apply函數(shù)與lambda表達式一起使用。
   

分組并變成一個DataFrame

現(xiàn)在，讓我們對DataFrame進行分組，Country并計算此數(shù)據(jù)樣本中每個國家/地區(qū)的人口。
困難之pd.groupby處在于它返回一個groupby對象，而不是DataFrame。在下面的示例中，我們將展示如何從groupby對象創(chuàng)建DataFrame。

我們將對進行分組Country，同時計算Population和Area列的總和。我們將刪除密度列，因為我們不再需要它。

如何在Pandas中的DataFrame中的行上進行迭代

盡管遍歷行可能不是最快的解決方案，但有時仍然可以派上用場。您可以使用循環(huán).iterrows()功能來做到這一點。

考慮嘗試對applyPandas DataFrame的函數(shù)或向量化表示執(zhí)行相同的操作。在大型數(shù)據(jù)集上，這將提高計算速度。

在下面，我們將Population列除以1000，并以千為單位獲得人口數(shù)。下面有3個替代代碼示例。

如何根據(jù)列值從DataFrame中選擇行

讓我們選擇人口超過1000萬人，面積不到2000平方公里的國家。
您可以通過在中輸入邏輯約束來做到這一點[]。

如何更改DataFrame列的順序

您可以簡單地通過以不同順序切片現(xiàn)有的DataFrame來做到這一點。

用Pandas清理數(shù)據(jù)

要開始使用數(shù)據(jù)，您需要清理數(shù)據(jù)。

首先的基本步驟是：

• 在DataFrame中刪除重復(fù)項。
• 用有意義的值填充空單元格，或用很多空值刪除列。
• 獲取有關(guān)列值的統(tǒng)計信息。

讓我們下載帶有網(wǎng)球比賽結(jié)果的數(shù)據(jù)集。

我們將降大任于重復(fù)使用pd.drop_duplicates，以inplace = True將更改應(yīng)用到數(shù)據(jù)幀。

現(xiàn)在，讓我們找出DataFrame中是否存在NaN值。

df.isna().any() 當該列包含NaN值時為True。

在此minutes列中，我們具有91％的NaN值，因此將其刪除，因為它不包含任何有用的信息。

在winner_age，loser_age，loser_rank，和winner_rank列沒有太多的NaN值，所以我們會用中位數(shù)代替NaN值。

有了df.describe我們，我們可以獲得有關(guān)數(shù)字列數(shù)據(jù)的統(tǒng)計信息。

這就是我們的Pandas教程。你學(xué)會了嗎？立即下載體驗吧！您有任何疑問或意見歡迎評論！