单点突破,pandas数据处理操作
import pandas as pd
import numpy as np
# 创建虚拟数据
data = {
'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eva'],
'Age': [25, np.nan, 30, 35, 28],
'Gender': ['F', 'M', 'M', 'M', 'F'],
'Score': [85, 90, 78, np.nan, 92],
'JoinDate': ['2023-01-15', '2022-12-23', '2021-07-01', '2023-05-21', '2022-11-11']
}
df = pd.DataFrame(data)
1. 处理缺失值
查找和填充缺失值。
missing_values = df.isnull().sum()
df['Age'].fillna(df['Age'].median(), inplace=True)
df['Score'].fillna(df['Score'].median(), inplace=True)
2. 筛选数据
根据条件筛选数据。
filtered_df = df[df['Age'] > 30]
3. 数据分组与聚合
按某一列分组并进行聚合计算。
grouped = df.groupby('Gender')['Score'].mean()
4. 数据合并与连接
将两个数据框按某一列合并。
extra_data = {'Name': ['Alice', 'Bob'], 'City': ['New York', 'Los Angeles']}
df2 = pd.DataFrame(extra_data)
merged_df = pd.merge(df, df2, on='Name', how='left')
5. 数据类型转换
转换数据框中某一列的数据类型。
df['JoinDate'] = pd.to_datetime(df['JoinDate'])
6. 删除重复数据
删除数据框中的重复行。
df_duplicates = pd.DataFrame({
'Name': ['Alice', 'Bob', 'Alice', 'David'],
'Age': [25, 30, 25, 35]
})
df_duplicates.drop_duplicates(inplace=True)
7. 创建新列
基于现有列创建新列。
df['AgeGroup'] = df['Age'].apply(lambda x: 'Young' if x < 30 else 'Old')
8. 删除列
从数据框中删除指定列。
df.drop('AgeGroup', axis=1, inplace=True)
9. 数据标准化
对数据进行标准化处理。
df['NormalizedScore'] = (df['Score'] - df['Score'].mean()) / df['Score'].std()
10. 类别编码
将分类变量进行one-hot编码。
df_encoded = pd.get_dummies(df, columns=['Gender'])
11. 数据重塑
将数据转换为长格式。
melted_df = pd.melt(df, id_vars=['Name'], value_vars=['Age', 'Score'])
12. 重命名列
重命名数据框中的列。
df.rename(columns={'Score': 'FinalScore'}, inplace=True)
13. 处理日期时间数据
提取日期时间中的年份、月份和日期。
df['Year'] = df['JoinDate'].dt.year
df['Month'] = df['JoinDate'].dt.month
df['Day'] = df['JoinDate'].dt.day
14. 数据采样
随机抽取指定数量的行。
sample_df = df.sample(n=2, random_state=42)
15. 计算相关性矩阵
计算数据框中数值列之间的相关性。
correlation_matrix = df.corr()
16. 使用条件逻辑创建新列
根据条件为新列赋值。
df['Grade'] = df['FinalScore'].apply(lambda x: 'A' if x > 90 else ('B' if x > 80 else 'C'))
17. 数据透视表
创建透视表进行数据汇总。
pivot_table = df.pivot_table(values='FinalScore', index='Gender', columns='Year', aggfunc='mean')
18. 处理字符串数据
对字符串数据进行处理。
df['UpperName'] = df['Name'].str.upper()
19. 使用apply函数进行复杂操作
使用apply函数对列进行复杂计算。
df['DoubleAge'] = df['Age'].apply(lambda x: x * 2)
20. 数据排序
按指定列对数据进行排序。
df.sort_values(by='FinalScore', ascending=False, inplace=True)
以下是与Pandas数据处理相关的习题及其对应的答案。
习题数据
import pandas as pd
import numpy as np
# 创建虚拟数据
data = {
'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eva'],
'Age': [25, np.nan, 30, 35, 28],
'Gender': ['F', 'M', 'M', 'M', 'F'],
'Score': [85, 90, 78, np.nan, 92],
'JoinDate': ['2023-01-15', '2022-12-23', '2021-07-01', '2023-05-21', '2022-11-11']
}
df = pd.DataFrame(data)
df['JoinDate'] = pd.to_datetime(df['JoinDate'])
习题
-
缺失值处理
计算每一列的缺失值数量,并用列的均值填充缺失值。 -
数据筛选
从数据框df
中筛选出所有年龄大于等于30岁的记录。 -
分组与聚合
按性别分组,计算每组的平均分数,并将结果存储在一个新的数据框中。 -
数据合并
创建一个新的数据框df2
,包含如下数据:{'Name': ['Alice', 'Charlie'], 'City': ['New York', 'San Francisco']}
将
df
和df2
按Name
列合并。 -
日期处理
提取JoinDate
列中的年份,并将其存储在新列JoinYear
中。 -
删除重复行
创建一个数据框df_duplicates
,包含如下数据:{'Name': ['Bob', 'David', 'Bob', 'Eva'], 'Age': [30, 35, 30, 28]}
删除重复行。
-
创建新列
根据Score
列的值创建一个新列PassFail
,如果分数大于等于80,则标记为 “Pass”,否则标记为 “Fail”。 -
标准化数据
对Score
列进行标准化处理,并将结果存储在新列StandardizedScore
中。 -
类别编码
对Gender
列进行one-hot编码,并将结果存储在一个新的数据框中。 -
数据排序
对Score
列进行降序排序,并返回排序后的数据框。
答案
-
缺失值处理
missing_values = df.isnull().sum() df.fillna(df.mean(), inplace=True)
-
数据筛选
filtered_df = df[df['Age'] >= 30]
-
分组与聚合
grouped_df = df.groupby('Gender')['Score'].mean().reset_index()
-
数据合并
df2 = pd.DataFrame({'Name': ['Alice', 'Charlie'], 'City': ['New York', 'San Francisco']}) merged_df = pd.merge(df, df2, on='Name', how='left')
-
日期处理
df['JoinYear'] = df['JoinDate'].dt.year
-
删除重复行
df_duplicates = pd.DataFrame({'Name': ['Bob', 'David', 'Bob', 'Eva'], 'Age': [30, 35, 30, 28]}) df_duplicates.drop_duplicates(inplace=True)
-
创建新列
df['PassFail'] = df['Score'].apply(lambda x: 'Pass' if x >= 80 else 'Fail')
-
标准化数据
df['StandardizedScore'] = (df['Score'] - df['Score'].mean()) / df['Score'].std()
-
类别编码
df_encoded = pd.get_dummies(df, columns=['Gender'])
-
数据排序
sorted_df = df.sort_values(by='Score', ascending=False)
这些习题和答案旨在帮助您巩固Pandas的数据处理技能,希望可以帮到你学会pandas数据处理,觉得有用给个关注,鼓励一下,更新不易,帮忙打打气。