pandas10minnutes_中英对照03

已于 2022-05-14 11:12:10 修改
阅读量444 收藏
点赞数
分类专栏： pandas英译汉 文章标签： python 数据挖掘
于 2022-05-04 20:55:55 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u012338969/article/details/124577375
版权

10 minutes to pandas英文网址

pandas10minnutes_中英对照01

pandas10minnutes_中英对照02

pandas10minnutes_中英对照03

pandas10minnutes_中英对照04

本次主要讲以下4部分：
7.Grouping 分组
8.Reshaping 重塑
9.Time series 时间序列
10.Categoricals分类

7.Grouping 分组

By “group by” we are referring to a process involving one or more of the following steps:
Splitting the data into groups based on some criteria
Applying a function to each group independently
Combining the results into a data structure
See the Grouping section.

“分组方式”指的是涉及以下一个或多个步骤的流程：
根据某些标准将数据分成若干组
将一个函数独立应用于每个组
将结果合并到数据结构中
请参见分组部分。

import numpy as np
import pandas as pd

df = pd.DataFrame(
    {
        "A": ["foo", "bar", "foo", "bar", "foo", "bar", "foo", "foo"],
        "B": ["one", "one", "two", "three", "two", "two", "one", "three"],
        "C": np.random.randn(8),
        "D": np.random.randn(8),})
df
ABCD
0fooone-1.688913-2.514367
1barone-1.2522921.632814
2footwo0.3634611.565951
3barthree-0.330988-1.242105
4footwo1.3877861.159832
5bartwo2.395909-0.361804
6fooone-1.0859300.089441
7foothree-0.6945350.752959

Grouping and then applying the sum() function to the resulting groups:
分组，然后将sum（）函数应用于结果组：

df.groupby("A").sum()
CD
A
bar-2.250374-0.334026
foo1.2440430.054678

Grouping by multiple columns forms a hierarchical index, and again we can apply the sum() function:
按多列分组形成一个层次索引，然后再次应用sum（）函数：

df.groupby(["A", "B"]).sum()
CD
AB
barone-1.3122580.076088
three-0.2859970.058971
two-0.652119-0.469085
fooone-1.510840-0.534755
three0.9819950.419014
two1.7728880.170420

8.Reshaping 重塑

see the sections on Hierarchical Indexing and Reshaping.
请参阅有关层次索引和重塑的章节。

8.1Stack 堆栈

tuples = list(
    zip(
        *[
            ["bar", "bar", "baz", "baz", "foo", "foo", "qux", "qux"],
            ["one", "two", "one", "two", "one", "two", "one", "two"],
        ]
    )
)

tuples

[('bar', 'one'),
 ('bar', 'two'),
 ('baz', 'one'),
 ('baz', 'two'),
 ('foo', 'one'),
 ('foo', 'two'),
 ('qux', 'one'),
 ('qux', 'two')]

index = pd.MultiIndex.from_tuples(tuples, names=["first", "second"])
index

MultiIndex(levels=[['bar', 'baz', 'foo', 'qux'], ['one', 'two']],
           labels=[[0, 0, 1, 1, 2, 2, 3, 3], [0, 1, 0, 1, 0, 1, 0, 1]],
           names=['first', 'second'])

df = pd.DataFrame(np.random.randn(8, 2), index=index, columns=["A", "B"])
df2 = df[:4]
df2
AB
firstsecond
barone-0.642310-0.121771
two0.105929-0.170706
bazone0.6245191.795898
two0.3559890.295519

The stack() method “compresses” a level in the DataFrame’s columns:
stack()方法“压缩”数据帧(DataFrame)列中的一个级别：

stacked = df2.stack()
stacked

first  second   
bar    one     A   -0.642310
               B   -0.121771
       two     A    0.105929
               B   -0.170706
baz    one     A    0.624519
               B    1.795898
       two     A    0.355989
               B    0.295519
dtype: float64

With a “stacked” DataFrame or Series (having a MultiIndex as the index), the inverse operation of stack() is unstack(), which by default unstacks the last level:
使用“堆叠”的数据帧或序列（以多索引作为索引），stack（）的逆操作是unstack（），默认情况下，它会取消最后一级的堆栈：

stacked.unstack()
AB
firstsecond
barone-0.642310-0.121771
two0.105929-0.170706
bazone0.6245191.795898
two0.3559890.295519
stacked.unstack(1)
secondonetwo
first
barA-0.6423100.105929
B-0.121771-0.170706
bazA0.6245190.355989
B1.7958980.295519
stacked.unstack(0)
firstbarbaz
second
oneA-0.6423100.624519
B-0.1217711.795898
twoA0.1059290.355989
B-0.1707060.295519

8.2Pivot tables 数据透视表

See the section on Pivot Tables.
请参阅有关透视表的部分。

df = pd.DataFrame(
    {
        "A": ["one", "one", "two", "three"] * 3,
        "B": ["A", "B", "C"] * 4,
        "C": ["foo", "foo", "foo", "bar", "bar", "bar"] * 2,
        "D": np.random.randn(12),
        "E": np.random.randn(12),
    }
)

df
ABCDE
0oneAfoo0.0226910.250766
1oneBfoo1.2466380.597852
2twoCfoo0.2377671.409630
3threeAbar0.7815790.698842
4oneBbar-0.3507031.788431
5oneCbar2.2253440.052856
6twoAfoo0.7481570.376670
7threeBfoo-1.509539-0.405203
8oneCfoo-1.840205-0.195269
9oneAbar1.051340-1.058422
10twoBbar0.587531-0.431633
11threeCbar-0.191187-0.008472

We can produce pivot tables from this data very easily:
我们可以很容易地从这些数据生成数据透视表：

pd.pivot_table(df, values="D", index=["A", "B"], columns=["C"])
Cbarfoo
AB
oneA1.0513400.022691
B-0.3507031.246638
C2.225344-1.840205
threeA0.781579NaN
BNaN-1.509539
C-0.191187NaN
twoANaN0.748157
B0.587531NaN
CNaN0.237767

9.Time series 时间序列

pandas has simple, powerful, and efficient functionality for performing resampling operations during frequency conversion (e.g., converting secondly data into 5-minutely data). This is extremely common in, but not limited to, financial applications. See the Time Series section.
pandas具有简单、强大且高效的功能，用于在频率转换期间执行再采样操作（例如，将二次数据转换为5分钟数据）。 这在金融应用中非常常见，但不限于此。参见时间序列部分。

rng = pd.date_range("1/1/2012", periods=1000, freq="S")
ts = pd.Series(np.random.randint(0, 500, len(rng)), index=rng)
ts

2012-01-01 00:00:00    145
2012-01-01 00:00:01    198
2012-01-01 00:00:02    434
2012-01-01 00:00:03     39
2012-01-01 00:00:04    250
2012-01-01 00:00:05     36
2012-01-01 00:00:06    174
2012-01-01 00:00:07    424
2012-01-01 00:00:08    339
2012-01-01 00:00:09    194
2012-01-01 00:00:10    175
2012-01-01 00:00:11    476
2012-01-01 00:00:12     88
2012-01-01 00:00:13     61
2012-01-01 00:00:14    255
2012-01-01 00:00:15     21
2012-01-01 00:00:16    283
2012-01-01 00:00:17    437
2012-01-01 00:00:18    140
2012-01-01 00:00:19    246
2012-01-01 00:00:20    246
2012-01-01 00:00:21    354
2012-01-01 00:00:22    287
2012-01-01 00:00:23    429
2012-01-01 00:00:24     39
2012-01-01 00:00:25    367
2012-01-01 00:00:26    296
2012-01-01 00:00:27    384
2012-01-01 00:00:28    482
2012-01-01 00:00:29    457
                      ... 
2012-01-01 00:16:10    150
2012-01-01 00:16:11    180
2012-01-01 00:16:12    175
2012-01-01 00:16:13     16
2012-01-01 00:16:14    109
2012-01-01 00:16:15    413
2012-01-01 00:16:16    446
2012-01-01 00:16:17    220
2012-01-01 00:16:18    367
2012-01-01 00:16:19    465
2012-01-01 00:16:20    178
2012-01-01 00:16:21    348
2012-01-01 00:16:22    322
2012-01-01 00:16:23     24
2012-01-01 00:16:24    236
2012-01-01 00:16:25    496
2012-01-01 00:16:26    467
2012-01-01 00:16:27    400
2012-01-01 00:16:28    177
2012-01-01 00:16:29    267
2012-01-01 00:16:30     21
2012-01-01 00:16:31    115
2012-01-01 00:16:32    173
2012-01-01 00:16:33     66
2012-01-01 00:16:34    240
2012-01-01 00:16:35    287
2012-01-01 00:16:36    259
2012-01-01 00:16:37    288
2012-01-01 00:16:38    489
2012-01-01 00:16:39    335
Freq: S, Length: 1000, dtype: int64

ts.resample("3Min").sum()

2012-01-01 00:00:00    43769
2012-01-01 00:03:00    46206
2012-01-01 00:06:00    48664
2012-01-01 00:09:00    45263
2012-01-01 00:12:00    45174
2012-01-01 00:15:00    25726
Freq: 3T, dtype: int64

Time zone representation:
时区表示：

rng = pd.date_range("3/6/2012 00:00", periods=5, freq="D")
ts = pd.Series(np.random.randn(len(rng)), rng)
ts

2012-03-06    1.082849
2012-03-07   -0.260217
2012-03-08   -0.878703
2012-03-09   -0.883832
2012-03-10    0.832079
Freq: D, dtype: float64

ts_utc = ts.tz_localize("UTC")
ts_utc

2012-03-06 00:00:00+00:00    1.082849
2012-03-07 00:00:00+00:00   -0.260217
2012-03-08 00:00:00+00:00   -0.878703
2012-03-09 00:00:00+00:00   -0.883832
2012-03-10 00:00:00+00:00    0.832079
Freq: D, dtype: float64

Converting to another time zone:
转换到另一个时区：

ts_utc.tz_convert("US/Eastern")

2012-03-05 19:00:00-05:00    1.082849
2012-03-06 19:00:00-05:00   -0.260217
2012-03-07 19:00:00-05:00   -0.878703
2012-03-08 19:00:00-05:00   -0.883832
2012-03-09 19:00:00-05:00    0.832079
Freq: D, dtype: float64

Converting between time span representations:
在时间跨度表示之间转换：

rng = pd.date_range("1/1/2012", periods=5, freq="M")
ts = pd.Series(np.random.randn(len(rng)), index=rng)
ts

2012-01-31    0.085870
2012-02-29    0.320371
2012-03-31   -0.144583
2012-04-30    0.259971
2012-05-31    0.031106
Freq: M, dtype: float64

ps = ts.to_period()
ps

2012-01    0.085870
2012-02    0.320371
2012-03   -0.144583
2012-04    0.259971
2012-05    0.031106
Freq: M, dtype: float64

ps.to_timestamp()

2012-01-01    0.085870
2012-02-01    0.320371
2012-03-01   -0.144583
2012-04-01    0.259971
2012-05-01    0.031106
Freq: MS, dtype: float64

Converting between period and timestamp enables some convenient arithmetic functions to be used. In the following example, we convert a quarterly frequency with year ending in November to 9am of the end of the month following the quarter end:

周期和时间戳之间的转换可以使用一些方便的算术函数。在下面的示例中,我们将11月作为年度终点的季度频率转换为对应当季度末月上午9点的数据：

prng = pd.period_range("1990Q1", "2000Q4", freq="Q-NOV")
ts = pd.Series(np.random.randn(len(prng)), prng)
ts

1990Q1    0.205428
1990Q2   -0.468783
1990Q3   -0.660921
1990Q4   -0.603024
1991Q1    0.626573
1991Q2    0.930349
1991Q3    1.025994
1991Q4    0.757378
1992Q1    0.239052
1992Q2   -0.188778
1992Q3    0.400186
1992Q4   -1.182243
1993Q1    0.488901
1993Q2   -0.229461
1993Q3   -1.149555
1993Q4   -0.493716
1994Q1    0.358941
1994Q2   -0.862758
1994Q3    1.415536
1994Q4    0.667995
1995Q1   -0.082420
1995Q2   -0.131518
1995Q3   -0.942415
1995Q4    0.045751
1996Q1    0.542599
1996Q2    0.438003
1996Q3   -0.391305
1996Q4   -2.592706
1997Q1    0.799962
1997Q2   -0.667447
1997Q3   -0.166855
1997Q4    0.476623
1998Q1   -0.948281
1998Q2    0.508382
1998Q3    1.489794
1998Q4   -0.090221
1999Q1   -2.080581
1999Q2    0.944585
1999Q3    1.499972
1999Q4   -1.385293
2000Q1    1.545408
2000Q2    0.536199
2000Q3   -0.835179
2000Q4   -0.902938
Freq: Q-NOV, dtype: float64

ts.index = (prng.asfreq("M", "e") + 1).asfreq("H", "s") + 9
ts.head()

1990-03-01 09:00    0.205428
1990-06-01 09:00   -0.468783
1990-09-01 09:00   -0.660921
1990-12-01 09:00   -0.603024
1991-03-01 09:00    0.626573
Freq: H, dtype: float64

10.Categoricals分类

pandas can include categorical data in a DataFrame. For full docs, see the categorical introduction and the API documentation.
pandas可以在数据框中包含分类数据。有关完整文档，请参阅分类介绍和API文档。

df = pd.DataFrame(
    {"id": [1, 2, 3, 4, 5, 6], "raw_grade": ["a", "b", "b", "a", "a", "e"]}
)

Converting the raw grades to a categorical data type:
将原始等级转换为分类数据类型：

df["grade"] = df["raw_grade"].astype("category")
df
idraw_gradegrade
01aa
12bb
23bb
34aa
45aa
56ee
df["raw_grade"] = df["raw_grade"].astype("str")
df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 6 entries, 0 to 5
Data columns (total 3 columns):
id           6 non-null int64
raw_grade    6 non-null object
grade        6 non-null category
dtypes: category(1), int64(1), object(1)
memory usage: 286.0+ bytes

Rename the categories to more meaningful names (assigning to Series.cat.categories() is in place!):
将类别重命名为更有意义的名称（指定给Series.cat.categories（）已就位！）

df["grade"].cat.categories = ["very good", "good", "very bad"]
df
idraw_gradegrade
01avery good
12bgood
23bgood
34avery good
45avery good
56every bad

Reorder the categories and simultaneously add the missing categories (methods under Series.cat() return a new Series by default):
重新排列类别，同时添加缺少的类别（默认情况下，Series.cat（）下的方法会返回一个新的系列）：

df["grade"] = df["grade"].cat.set_categories(
    ["very bad", "bad", "medium", "good", "very good"]
)
df
idraw_gradegrade
01avery good
12bgood
23bgood
34avery good
45avery good
56every bad

Sorting is per order in the categories, not lexical order:
排序是根据类别中的顺序，而不是词汇顺序：

df.sort_values(by="grade")
idraw_gradegrade
56every bad
12bgood
23bgood
01avery good
34avery good
45avery good

Grouping by a categorical column also shows empty categories:
按类别列分组也会显示空类别：

df.groupby("grade").size()

grade
very bad     1
bad          0
medium       0
good         2
very good    3
dtype: int64
雪龙无敌
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
十分钟学会pandas《10 Minutes to pandas》
思过留痕
09-02 3995
pandas官方网站上的《10 Minutes to pandas》点这里查看，讲解浅显易懂，本文在官网的基础上作了补充。详细的介绍请参考：Cookbook 。pandas是非常强大的数据分析包，pandas 是基于 Numpy 构建的含有更高级数据结构和工具的数据分析包。就好比 Numpy 的核心是 ndarray，pandas 围绕着 Series 和 DataFrame 两个核心数据结构展开
10分钟学pandas中文版
11-05
pandas官网文档10 minutes to pandas的中文版，方便阅读。
10分钟上手pythonpandas_10分钟学pandas（10 Minutes to pandas）-全文翻译
weixin_39577052的博客
12-17 276
简介本文是对《10 Minutes to pandas》的全文翻译，版本为0.23.4。概括性地讲解pandas的使用方法。PS：谁说的10分钟，保证不打死他…通常，我们导入如下命令：In [1]: import pandas as pdIn [2]: import numpy as npIn [3]: import matplotlib.pyplot as plt12345In[1]:impor...
10 Minutes to pandas
百川的博客
05-23 1687
最近在看pandas，之前一致用SQL做数据处理，对于线下的小数据量，的确是pandas功能简洁实用，而且方便可视化操作。翻译来自于pandas官方网站上《10 Minutes to pandas》，首先是引入所需的包import pandas as pd import numpy as np import matplotlib.pyplot as plt创建对象具体见Data Structure
pandas快速入门 《pandas10 Minutes to pandas》
weixin_30466953的博客
04-25 131
结构化数据分析 pandas核心数据结构和基础运算　　Series DataFrame pandas高级内容　　索引和数据选择　　分组统计　　时间系列　　数据IO pandas快速入门 《10 Minutes to pandas》 创建数据 #导入模块包 import pandas as pd import numpy as np import m...
pandas计数 value_counts()的使用
09-19
主要介绍了pandas计数 value_counts()的使用，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
PyPI 官网下载 | pandas_upsert_to_mysql-0.0.3.tar.gz
02-12
《PyPI官网下载：pandas_upsert_to_mysql-0.0.3.tar.gz——Python数据库操作新星》 在Python的生态环境中，PyPI（Python Package Index）是开发者们获取和分享开源软件的重要平台。本资源，"pandas_upsert_to_mysql...
03_NumPy_and_Pandas_pandas_
09-29
标题 "03_NumPy_and_Pandas_pandas_" 暗示了这个压缩包包含的是关于NumPy和Pandas库的基础知识。这两个库是Python中数据分析和处理的核心工具，特别是对于处理大型数据集非常有用。Pandas是建立在NumPy之上的，提供...
Python库 | pandas_market_calendars-0.19-py2.py3-none-any.whl
05-08
资源分类：Python库 所属语言：Python 资源全名：pandas_market_calendars-0.19-py2.py3-none-any.whl 资源来源：官方 安装方法：https://lanzao.blog.csdn.net/article/details/101784059
Numpy及Pandas_numpy_pandas_dataframe_python_
09-30
Numpy和Pandas是Python中两个非常重要的数据分析和处理库，它们在科学计算领域有着广泛的应用。Numpy主要处理多维数组对象，而Pandas则在此基础上构建了更高级的数据结构，如DataFrame，用于进行数据清洗、分析和...
10 Minutes to pandas（pandas官方网站的翻译）
Nicole的博客
04-04 2691
本文主要参考官方网站对pandas的介绍，加上自己的理解，有不对的地方多多包涵哈！！！pandas模块介绍 ##通常会加载以下模块 import pandas as pd import numpy as np import matplotlib.pyplot as plt 一、创建对象1.通过列表的值创建Series Series是pandas提供的以为数组，它类似于numpy中的...
Pandas常用命令对照清单
guankangqiang的博客
07-05 451
我们在内容中使用以下简写：df pandas的DataFrame对象s pandas的Series对象导入以下包开始import pandas as pdimport numpy as np导入数据pd.read_csv(filename) 从csv导入 pd.read_table(filename) 从分隔的文本文件导入 pd.read_excel(filename) 从excel文件导入 p...
十分钟搞定pandas
promise_LOVE的专栏
06-27 3365
本文是对pandas官方网站上《10 Minutes to pandas》的一个简单的翻译，原文在这里。这篇文章是对pandas的一个简单的介绍，详细的介绍请参考：Cookbook 。习惯上，我们会按下面格式引入所需要的包： 一、            创建对象 可以通过 Data Structure Intro Setion 来查看有关该节内容的详细信息。 1、可以通过传递一个list
10分钟Pandas教程
热门推荐
Yan_Joy的博客
09-26 1万+
10 Minutes to pandas10分钟pandas教程对于数据处理分析的新手，花十分钟熟悉pandas很有必要，一起开始吧~第一步要会导入pandas和其好基友们：In [1]: import pandas as pdIn [2]: import numpy as npIn [3]: import matplotlib.pyplot as plt对象创建本节可以具体参考Data Struc
第九章 pandas官方文档0.22中文教程---总揽，个人渣翻译
暗色调的博客
05-12 673
pandas官方文档入口：pandas docs 0.22 个人准备进行渣翻译，增强记忆，能够系统性的了解一下pandas。 整个文档组织从上到下分为： what’s new 各版本的添加，改变等信息集合。 installation ...
使用Python的Turtle库绘制动态风车
爱写代码的小朋友
07-20 407
python绘制风车
随机数种子的作用
最新发布
帆的博客
07-23 654
设置随机数种子（random seed）的目的是为了确保随机数生成器在每次运行时产生相同的随机数序列，从而保证实验结果的一致性。随机数种子通过初始化随机数生成器的内部状态，使得在相同的种子值下，随机数生成器每次调用时生成的序列是相同的。
【Python如何将字符串连接在一起并使用`join()`方法】
qq_36253366的博客
07-19 456
方法是字符串对象的方法，而不是列表或元组等序列类型的方法。因此，你需要先指定一个用作分隔符的字符串，然后调用这个字符串的。方法将字符串连接在一起，你需要首先确保这些字符串被存储在一个序列类型中（如列表或元组），然后调用这个序列的。方法是一个字符串方法，它用于将序列（如列表、元组等）中的元素以指定的字符连接生成一个新的字符串。列表中的所有字符串元素使用空格作为分隔符连接成一个新的字符串。方法，并将你想要作为分隔符的字符串作为参数传递给。方法，并将包含要连接字符串的序列作为参数传递。
pandas如何read_excel
04-17
pandas提供了read_excel()函数来读取Excel文件中的数据[^1]。下面是一个示例代码，演示了如何使用pandas的read_excel()函数读取Excel文件并打印前几行数据： ```python import pandas as pd # 读取Excel文件 df = ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

雪龙无敌

你的鼓励是我们一起前进的动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值