pandas 常用的函数

这篇教程是翻译MANU JEEVAN PRAKASH写的 Pandas 教程，作者已经授权翻译，这是原文

在Python中，Pandas 是一个很好地数据处理工具。在这篇文章中，我们将讨论最常用的一些方法，我们使用有关橄榄油的数据集，你可以从这个页面下载到实验数据。当你读完这篇文章后，我希望可能帮助你很快的进行数据处理。那我们开始学习吧。

1. 导入数据

这个橄榄油数据集由八个特征值（油中的脂肪酸水平）和九个类别（意大利地区）组成。如下是八个特征值：

palmitic     棕榈酸
palmitoleic   棕榈油酸
stearic    硬脂酸
oleic    油酸
linoleic    亚油酸
linolenic    亚麻酸
arachidic    花生酸
eicosenoic 二十碳烯酸

我们使用 pd.read_csv() 命令来导入数据集，并且返回最上面的5行数据。如下图：

2. 重命名函数

我们计划将数据的第一列的名字 Unnamed: 0 修改为 area_Idili，那么我们可以使用重命名函数来实现这个操作。参数 inplace = True 表示你是否要修改。我们执行这个函数，得到如下结果：

3. Map操作

如果我要将 area_Idili 这一列的前面的数字标号去掉，那么我就会使用 map 函数来实现这个功能。map 函数将会遍历数据的每一行，如果你了解一点 MapReduce 的话，那么久很容易理解这一点了。我们运行这个操作，得到如下结果：

4. apply 函数

apply 函数是一个很灵活的函数，它能将函数应用到每一个列中。比如，我们想要把所有的酸的那一列的值缩小 100 倍，那么我们就可以使用这个函数，如下：

5. shape 和 columns 函数

shape 函数可以得到当前数据的维度，如下：

olive_oil.columns 函数将会返回每一列的列名，如下：

6. unique 函数

unique 函数是一个去重函数，我们应用 olive_oil.region.unique() 函数去得到一共有几个 region ，结果是 [1, 2, 3]应用 olive_oil.area.unique() 函数去得到一共有几个 area ，结果是 [1, 2, 3, 4, 5, 6, 9, 7, 8]。具体如下：

7. crosstab 函数

crosstab 函数能简单计算两个因子的交叉列表，比如我们将这个函数应用到 area 和 region 中，得到如下结果：

8. 访问数据的子集

如果我们只想访问数据的某几个子列，而不是全部列，那么可以使用如下方法：

如果我们只想访问其中的一个列，那么可以使用 olive_oil['palmitic'] 或者 olive_oil.palmitic 。

9. 可视化

plt.hist 函数可以实现可视化，具体如下：

10. groupby 和 statistic 函数

groupby 函数可以按照键值将元素进行一个聚合，比如我们聚合 region 1, 2, 3，可以使用函数 olive_oil.groupby('region') 。并且我们使用 describe 函数来做一个简单的分析，具体结果如下：

你也可以使用 olive_oil.groupby('region').std() 函数来计算标准偏差，具体如下：

11. aggregate 函数

aggregate 函数可以对数据做一个聚合操作，让数据看起来更加方便，比如我们将经过 groupby 的数据中的 mean 进行一个聚合，得到如下结果：

12. join 函数

我们先对数据进行一个重命名，具体如下：

之后，我们做一个 join 操作，具体如下：

13. 元素比较操作

你还可以对数据的特定部分进行屏蔽。

如果我们要去检查数据中的 eicosenoic 列中的元素是否小于 0.05 ，那么我们就可以使用这个操作 olive_oil.eicosenoic < 0.05 ，如果数据是小于 0.05 的，那么操作将返回 true ，如果数据不是，那么操作将返回 false 。具体结果如下：

14. 处理缺失数据

在很多真实数据集中，数据缺失是一个很常见的问题。那么我们经常做的两种方法是丢失缺失的数据或者补全缺失的数据。

我们先创建一个数据集，如下：

dropna 函数可以去除含有缺失元素的数据行，保留完整数据。具体结果如下：

fillna 函数可以补全缺失的数据元素。首先，我们先来创建一个新的数据集，具体如下：

之后，我们来使用 fillna 函数来补全里面的缺失值，具体结果如下：

至此，我们学习完了 14 个常用的方法。如果你想深入学习，那么我推荐你可以去学习这本书 Python for Data Analysis。

---

完整代码，点击这里

转载于:https://my.oschina.net/u/3579120/blog/1533520