最后
🍅 硬核资料:关注即可领取PPT模板、简历模板、行业经典书籍PDF。
🍅 技术互助:技术群大佬指点迷津,你的问题可能不是问题,求资源在群里喊一声。
🍅 面试题库:由技术群里的小伙伴们共同投稿,热乎的大厂面试真题,持续更新中。
🍅 知识体系:含编程语言、算法、大数据生态圈组件(Mysql、Hive、Spark、Flink)、数据仓库、Python、前端等等。
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
用Python做数据分析光是掌握numpy和matplotlib可不够,Pandas是必须要掌握的一个重点,numpy虽然能够帮我们处理处理数值型数据,但是这还不够,很多时候,我们的数据除了数值之外,还有字符串,还有时间序列等。
今天来分享一些Pandas必会的用法,让你的数据分析水平更上一层楼。
一、Pandas两大数据结构的创建
序号 | 方法 | 说明 |
---|---|---|
1 | pd.Series(对象,index=[ ]) | 创建Series。对象可以是列表\ndarray、字典以及DataFrame中的某一行或某一列 |
2 | pd.DataFrame(data,columns = [ ],index = [ ]) | 创建DataFrame。columns和index为指定的列、行索引,并按照顺序排列 |
举例:用pandas创建数据表:
df = pd.DataFrame({"id":[1001,1002,1003,1004,1005,1006], "date":pd.date_range('20130102', periods=6), "city":['Beijing ', 'SH', ' guangzhou ', 'Shenzhen', 'shanghai', 'BEIJING '], "age":[23,44,54,32,34,32], "category":['100-A','100-B','110-A','110-C','210-A','130-F'], "price":[1200,np.nan,2133,5433,np.nan,4432]}, columns =['id','date','city','category','age','price'])
二、DataFrame常见方法
序号 | 方法 | 说明 |
---|---|---|
1 | df.head() | 查询数据的前五行 |
2 | df.tail() | 查询数据的末尾5行 |
3 | pandas.qcut() | 基于秩或基于样本分位数将变量离散化为等大小桶 |
4 | pandas.cut() | 基于分位数的离散化函数 |
5 | pandas.date_range() | 返回一个时间索引 |
6 | df.apply() | 沿相应轴应用函数 |
7 | Series.value_counts() | 返回不同数据的计数值 |
8 | df.reset_index() | 重新设置index,参数drop = True时会丢弃原来的索引,设置新的从0开始的索引,常与groupby()一起用 |
举例:重新索引
df_inner.reset_index()
三、数据索引
序号 | 方法 | 说明 |
---|---|---|
1 | .values | 将DataFrame转换为ndarray二维数组 |
2 | .append(idx) | 连接另一个Index对象,产生新的Index对象 |
3 | .insert(loc,e) | 在loc位置增加一个元素 |
4 | .delete(loc) | 删除loc位置处的元素 |
5 | .union(idx) | 计算并集 |
6 | .intersection(idx) | 计算交集 |
7 | .diff(idx) | 计算差集,产生新的Index对象 |
8 | .reindex(index, columns ,fill_value, method, limit, copy ) | 改变、重排Series和DataFrame索引,会创建一个新对象,如果某个索引值当前不存在,就引入缺失值。 |
9 | .drop() | 删除Series和DataFrame指定行或列索引。 |
10 | .loc[行标签,列标签] | 通过标签查询指定的数据,第一个值为行标签,第二值为列标签。 |
11 | df.iloc[行位置,列位置] | 通过默认生成的数字索引查询指定的数据。 |
举例:按索引提取单行的数值
df_inner.loc[3]
四、DataFrame选取和重新组合数据的方法
序号 | 方法 | 说明 |
---|---|---|
1 | df[val] | 从DataFrame选取单列或一组列;在特殊情况下比较便利:布尔型数组(过滤行)、切片(行切片)、或布尔型DataFrame(根据条件设置值) |
2 | df.loc[val] | 通过标签,选取DataFrame的单个行或一组行 |
3 | df.loc[:,val] | 通过标签,选取单列或列子集 |
4 | df.1oc[val1,val2] | 通过标签,同时选取行和列 |
5 | df.iloc[where] | 通过整数位置,从DataFrame选取单个行或行子集 |
6 | df.iloc[where_i,where_j] | 通过整数位置,同时选取行和列 |
7 | df.at[1abel_i,1abel_j] | 通过行和列标签,选取单一的标量 |
8 | df.iat[i,j] | 通过行和列的位置(整数),选取单一的标量 |
9 | reindex | 通过标签选取行或列 |
10 | get_value | 通过行和列标签选取单一值 |
11 | set_value | 通过行和列标签选取单一值 |
举例:使用iloc按位置区域提取数据
df_inner.iloc[:3,:2] #冒号前后的数字不再是索引的标签名称,而是数据所在的位置,从0开始,前三行,前两列。
五、排序
序号 | 函数 | 说明 |
---|---|---|
1 | .sort_index(axis=0, ascending=True) | 根据指定轴索引的值进行排序 |
2 | Series.sort_values(axis=0, ascending=True) | 只能根据0轴的值排序。 |
3 | DataFrame.sort_values(by, axis=0, ascending=True) | 参数by为axis轴上的某个索引或索引列表。 |
举例:按照索引列排序
df_inner.sort_index()
六、相关分析和统计分析
序号 | 方法 | 说明 |
---|---|---|
1 | .idxmin() | 计算数据最小值所在位置的索引(自定义索引) |
2 | .idxmax() | 计算数据最大值所在位置的索引(自定义索引) |
3 | .argmin() | 计算数据最小值所在位置的索引位置(自动索引) |
4 | .argmax() | 计算数据最大值所在位置的索引位置(自动索引) |
5 | .describe() | 针对各列的多个统计汇总,用统计学指标快速描述数据的概要 |
6 | .sum() | 计算各列数据的和 |
7 | .count() | 非NaN值的数量 |
8 | .mean( ) | 计算数据的算术平均值 |
9 | .median() | 计算算术中位数 |
10 | .var() | 计算数据的方差 |
11 | .std() | 计算数据的标准差 |
12 | .corr() | 计算相关系数矩阵 |
13 | .cov() | 计算协方差矩阵 |
14 | .corrwith() | 利用DataFrame的corrwith方法,可以计算其列或行跟另一个Series或DataFrame之间的相关系数。 |
15 | .min() | 计算数据的最小值 |
16 | .max() | 计算数据的最大值 |
17 | .diff() | 计算一阶差分,对时间序列很有效 |
18 | .mode() | 计算众数,返回频数最高的那(几)个 |
19 | .mean() | 计算均值 |
20 | .quantile() | 计算分位数(0到1) |
21 | .isin() | 用于判断矢量化集合的成员资格,可用于过滤Series中或DataFrame列中数据的子集 |
22 | .unique() | 返回一个Series中的唯一值组成的数组。 |
23 | .value_counts() | 计算一个Series中各值出现的频率。 |
举例:判断city列的值是否为北京
df_inner['city'].isin(['beijing'])
七、分组的方法
序号 | 方法 | 说明 |
---|---|---|
1 | DataFrame.groupby() | 分组函数 |
2 | pandas.cut() | 根据数据分析对象的特征,按照一定的数值指标,把数据分析对象划分为不同的区间部分来进行研究,以揭示其内在的联系和规律性。 |
举例:.groupby用法
group_by_name=salaries.groupby('name') print(type(group_by_name))
输出结果为:
<class 'pandas.core.groupby.DataFrameGroupBy'>
八、读写文本格式数据的方法
序号 | 方法 | 说明 |
---|---|---|
1 | read_csv | 从文件、URL、文件型对象中加载带分隔符的数据。默认分隔符为逗号 |
2 | read_table | 从文件、URL、文件型对象中加载带分隔符的数据。默认分隔符为制表符(t) |
3 | read_ fwf | 读取定宽列格式数据(也就是说,没有分隔符) |
4 | read_clipboard | 读取剪贴板中的数据,可以看做read_table的剪贴板版。再将网页转换为表格时很有用 |
5 | read_excel | 从ExcelXLS或XLSXfile 读取表格数据 |
6 | read_hdf | 读取pandas写的HDF5文件 |
7 | read_html | 读取HTML文档中的所有表格 |
8 | read_json | 读取JSON字符串中的数据 |
9 | read_msgpack | 二进制格式编码的pandas数据 |
10 | read_pickle | 读取Python pickle格式中存储的任意对象 |
11 | read_sas | 读取存储于SAS系统自定义存储格式的SAS数据集 |
12 | read_sql | 读取SQL 查询结果为pandas的DataFrame |
13 | read_stata | 读取Stata文件格式的数据集 |
14 | read_feather | 读取 Feather二进制文件格式 |
举例:导入CSV或者xlsx文件
df = pd.DataFrame(pd.read_csv('name.csv',header=1))df = pd.DataFrame(pd.read_excel('name.xlsx'))
九、处理缺失数据
序号 | 方法 | 说明 |
---|
做了那么多年开发,自学了很多门编程语言,我很明白学习资源对于学一门新语言的重要性,这些年也收藏了不少的Python干货,对我来说这些东西确实已经用不到了,但对于准备自学Python的人来说,或许它就是一个宝藏,可以给你省去很多的时间和精力。
别在网上瞎学了,我最近也做了一些资源的更新,只要你是我的粉丝,这期福利你都可拿走。
我先来介绍一下这些东西怎么用,文末抱走。
(1)Python所有方向的学习路线(新版)
这是我花了几天的时间去把Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。
最近我才对这些路线做了一下新的更新,知识体系更全面了。
(2)Python学习视频
包含了Python入门、爬虫、数据分析和web开发的学习视频,总共100多个,虽然没有那么全面,但是对于入门来说是没问题的,学完这些之后,你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。
(3)100多个练手项目
我们在看视频学习的时候,不能光动眼动脑不动手,比较科学的学习方法是在理解之后运用它们,这时候练手项目就很适合了,只是里面的项目比较多,水平也是参差不齐,大家可以挑自己能做的项目去练练。
(4)200多本电子书
这些年我也收藏了很多电子书,大概200多本,有时候带实体书不方便的话,我就会去打开电子书看看,书籍可不一定比视频教程差,尤其是权威的技术书籍。
基本上主流的和经典的都有,这里我就不放图了,版权问题,个人看看是没有问题的。
(5)Python知识点汇总
知识点汇总有点像学习路线,但与学习路线不同的点就在于,知识点汇总更为细致,里面包含了对具体知识点的简单说明,而我们的学习路线则更为抽象和简单,只是为了方便大家只是某个领域你应该学习哪些技术栈。
(6)其他资料
还有其他的一些东西,比如说我自己出的Python入门图文类教程,没有电脑的时候用手机也可以学习知识,学会了理论之后再去敲代码实践验证,还有Python中文版的库资料、MySQL和HTML标签大全等等,这些都是可以送给粉丝们的东西。
这些都不是什么非常值钱的东西,但对于没有资源或者资源不是很好的学习者来说确实很不错,你要是用得到的话都可以直接抱走,关注过我的人都知道,这些都是可以拿到的。
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!