数据挖掘：pandas的应用记录 -- 持续更新

最新推荐文章于 2022-08-09 10:55:31 发布

NO PAIN_NO GAIN

最新推荐文章于 2022-08-09 10:55:31 发布

阅读量917

点赞数

分类专栏：数据挖掘工具文章标签：数据挖掘

本文链接：https://blog.csdn.net/qq_32425417/article/details/121416112

版权

数据挖掘工具专栏收录该内容

1 篇文章 0 订阅

订阅专栏

pandas是数据挖掘常用的工具包，内容全面丰富，使用简单。现将日常使用到的比较高级却容易忘记的功能记录下来。

本篇持续更新，用到哪些该记录的就会更新记录。话不多说，现在开始。

一、shift / rolling / rank 的使用

1、shift -- 数据移动

df = pd.DataFrame(np.arange(16).reshape(4,4),
                  columns=['AA','BB','CC','DD'],
                  index =['a','b','c','d'])

df.shift(-1) # 上移
df.shift(1) # 下移
df.shift(-1,axis = 1) # 左移
df.shift(1,axis = 1) # 右移

分组后组内移动

df = pd.DataFrame({'1': ['A1', 'A2', 'A1', 'A2', 'A2', 'A1', 'A2'],
                   '2': ['B1', 'B1', 'B1', 'B1', 'B1', 'B1', 'B1'],
                   'num': [1,2,1,3,4,2,1],
                   'ds': [pd.to_datetime('20130103'),pd.to_datetime('20130102'),
                          pd.to_datetime('20130101'),pd.to_datetime('20130107'),
                          pd.to_datetime('20130105'),pd.to_datetime('20130106'),
                          pd.to_datetime('20130104')]})

df_01 = df.groupby(['1','2']).apply(lambda x: x.sort_values('ds', ascending=True)).reset_index(drop=True)
df_02 = pd.DataFrame(df_01.groupby(['1','2'])['num'].shift(1))
df_03 = pd.concat([df_01,df_02],axis=1)

df_03

2、rolling -- 滚动滑窗

df = pd.DataFrame({'B': [0, 1, 2, np.nan, 4]})

'''
    window：表示时间窗的大小；
    min_periods：最少需要有值的观测点的数量；
    center：是否使用window的中间值作为label
'''
df.rolling(3, min_periods=1).sum()
df.rolling(3, min_periods=2).sum()
df.rolling(3, min_periods=1, center=True).sum()

分组滑窗统计

df = pd.DataFrame({'1': ['A1', 'A2', 'A1', 'A2', 'A2', 'A1', 'A2'],
                   '2': ['B1', 'B1', 'B1', 'B1', 'B1', 'B1', 'B1'],
                   'num': [1,2,1,3,4,2,1],
                   'ds': [pd.to_datetime('20130103'),pd.to_datetime('20130102'),
                          pd.to_datetime('20130101'),pd.to_datetime('20130107'),
                          pd.to_datetime('20130105'),pd.to_datetime('20130106'),
                          pd.to_datetime('20130104')]})
df_01 = df.groupby(['1','2']).apply(lambda x: x.sort_values('ds', ascending=True)).reset_index(drop=True)
df_02 = pd.DataFrame(df_01.groupby(['1', '2'])['num'].rolling(1).mean()).reset_index(drop=True)
df_03 = pd.concat([df_01,df_02],axis=1)

df_03

3、rank -- 组内排序

list1 = [1, 3, 1,0,7,4,0]
list2 = [3, 3, 2,0,4,4,5]
list3 = [3, 3, 3,3,4,4,6]
df1 = pd.DataFrame({'col1':list1,'col2':list2,'col3':list3})

df2 = df1.groupby(['col3']).rank(method='min',ascending=False)
df3 = df1.groupby(['col3']).rank(method='max',ascending=False)

df2 
df3