pandas DataFrame 转置、频数转概率归一化、删除某列（行）或某几列（行）

 1.pandas 如何实现转置

import pandas as pd
x = [[1,2,3],[4,5,6],[7,8,9]]
data = pd.DataFrame(x,index=['user1','user2','user3'],columns=['a','b','c'])

 

 

 

将data进行转置

data.T
等价于data.unstack(0).unsatck()

 

2.如何表示出每个用户在每列中的占比，相当于对每行求和，跨列求出每行的总数，再求比例

data_sum1 = data.sum(axis=1)#跨列求和，每一行会有一个总计

 接下来看占比

data_rate1 = data.div(data_sum1,axis='rows')
#等价于data_rate1 = data.div(data_sum1,axis=0)

很明显，user1在a中占比16.7%，在b中占比33.3%，在c中占比50%，比例和为1

3.反过来，看每个产品在用户中的占比分布，跨行每列求和

data_sum0 = data.sum(axis=0)

 

 然后看每个产品在各个用户中的占比

data_rate0 = data.div(data_sum0,axis=1)
#等价于data_rate0 = data.div(data_sum0,axis = 'columns')

 很明显，a列的和为1

4.原始数据data跨列每行之和

data['col_sum']=data.apply(lambda x:x.sum(),axis=1)

5.原始数据每列跨行求和

 

6.删除某列或某几列

data.drop(data.columns[[-2,-1]],axis = 1,inplace = True) #删除倒数两列,这种方法适合删除连续的多列 [-2,-1]表示列的序号，可以依据实际需求来设置

 

data.drop(['列名1','列名2'],axis=1)#删除指定的列名，这种方式适用于明确要删除的某列
#等价于data.drop(columns = ['列名1','列名2'])

7.删除某行或某几行

data.drop(index=['行名1','行名2'],axis=0) # 删除特定的行
data.drop(index=[1,10]) #删除多行，注意，data可能行标签没有0、1、2...,可以实现对data重新设置标签再多行删除

本节内容最近处理数据碰到的一些pandas的使用，加深自己对pandas的熟练运用，加油！希望对刚上手pandas的同学有用，喜欢请点赞哦！