利用Python数据分析：数据规整化（三)

最新推荐文章于 2020-12-03 23:11:13 发布

kkbb8811

最新推荐文章于 2020-12-03 23:11:13 发布

阅读量318

点赞数

分类专栏： Python数据分析

本文链接：https://blog.csdn.net/kkbb8811/article/details/60145827

版权

本文介绍了如何使用Python进行数据规整化，包括利用pandas的`pd.isnull()`、`np.where()`和`combine_first()`函数处理缺失值。同时，详细探讨了数据的重塑和轴向旋转，如`stack()`和`unstack()`函数的应用，展示了如何将列转换为行以及行转换回列。示例中还涉及到`pd.concat()`和`unstack()`结合使用处理分层索引的情况，并展示了如何处理缺失值。

摘要由CSDN通过智能技术生成

a = Series([np.nan,2.5,np.nan,3.5,4.5,np.nan],
           index=['f','e','d','c','b','a'])
b = Series(np.arange(len(a),dtype=np.float64),
           index=['f','e','d','c','b','a'])
b[-1] = np.nan
a
b
np.where(pd.isnull(a),b,a) # 两个数据集进行合并，（索引或者是部分重叠）
b[:-2].combine_first(a[2:]) # 和上面实现同一个功能但是会进行自动的数据对齐
df1 = DataFrame({'a':[1,np.nan,5,np.nan],
                 'b':[np.nan,2,np.nan,6],
                 'c':range(2,18,4)})
df2 = DataFrame({'a':[5,4,np.nan,3,7],
                 'b':[np.nan,3,4,6,8]})
df1.combine_first(df2)
#  重塑和轴向旋转
data = DataFrame(np.arange(6).reshape((2,3)),
                 index=pd.Index(['Ohio','Colorado'],name = 'state'),

最低0.47元/天解锁文章

kkbb8811

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
利用Python数据分析：数据规整化（三)

a = Series([np.nan,2.5,np.nan,3.5,4.5,np.nan], index=['f','e','d','c','b','a'])b = Series(np.arange(len(a),dtype=np.float64), index=['f','e','d','c','b','a'])b[-1] = np.nanab
复制链接

扫一扫

专栏目录