Pandas之五数据操作
前面我们聊过了对象创建、数据查看、数据选择的相关操作,现在就要进入到数据分析阶段了。使用pandas主要原因就是其提供的数据分析功能,能实现大部分的数据统计分析工作。对数据进行操作主要有四种类型:
数据统计:常用的就是计数、平均值、最大值、最小值、标准差、分位数等等
函数应用:依次对dataframe每行执行某个函数
数值计数:统计每个值出现的次数,在制作直方图时可能会用到
字符串函数:pandas支持字符串,自然地支持对字符串进行各种操作
下面我们以图中的数据来演示上述各项功能。
使用pandas经常会要用到数据统计功能,常用的有计数<code>count</code>、平均值<code>mean</code>、最大值<code>max</code>、最小值<code>min</code>、标准差<code>std</code>、分位数<code>quantile</code>等,其使用方法基本一致,此处以均值和标准差为例进行演示。
注:默认情况在统计时会忽略缺失值<code>np.nan</code>。
计算平均值时可以按行计算或者按列计算,通过设置方法参数axis控制。
按列计算(默认情况下就是按列计算)
按行计算
和计算平均值时一样,可以按行计算或者按列计算,通过设置方法参数axis控制。
按列计算(默认情况下按列计算)
可以对dataframe应用某个函数,也可以对指定的行或列应用,以累计和函数<code>np.cumsum</code>为例。
对整个df按列逐行计算累加和值,axis默认为0
从df中截取某行,设置axis=1计算各列的累加和值,
从df中截取某列,计算各行的累加和值
有时需要统计某些值出现的次数来绘制直方图,可以使用<code>value_count</code>实现。<code>value_counts</code>有点类似于sql中的<code>group by ... count</code>。默认情况下做统计会忽略<code>np.nan</code>值,可以使用<code>dropna=False</code>统计<code>np.nan</code>值。
下图表示每行数据都不相同,只出现1次。
同时统计E列中的数字和缺失值。
pandas为series提供了针对字符串的操作方法<code>.str</code>,其包括诸如大小写转换<code>lower,upper</code>、字符串替换<code>replace</code>等各种常用的字符串操作函数。以replace为例:
欢迎关注微信公众号:数据研发技术,收获各类干货