数据分析库pandas入门 10——数据类型转换、pandas 绘图

1379号程序员

已于 2023-04-05 17:57:40 修改

阅读量159

点赞数

分类专栏： Pandas 文章标签： pandas 数据分析学习

于 2022-11-21 00:24:54 首次发布

本文链接：https://blog.csdn.net/weixin_45447382/article/details/127842107

版权

Pandas 专栏收录该内容

10 篇文章 5 订阅

订阅专栏

Pandas库使用入门10——数据类型转换、pandas 绘图

Pandas 数据类型转换
Pandas 绘图

在前面关于 pandas 的文章中，笔者分别介绍了：

本篇是 Pandas 系列最后一篇，主要是补充介绍 Pandas 的数据类型转换方法和 Pandas 绘图。对原始数据集进行类型转换是经常发生的，前面文章中也都有所涉及，这里单独拿出来再总结一下。关于数据可视化（即绘图），已经有非常成熟的工具库可用，比如：matplotlib、seaborn等等，但 Pandas 也有绘图功能，这里概要介绍其最常用的绘图方法，matplotlib、seaborn绘图等留待后续梳理总结。

Pandas 数据类型转换

在 Pandas 中对数据对象进行类型转换常用的是 astype 方法和 apply 方法，前者是直接转换，后者应用其他转换函数进行转换。还有把数据列或行转换成列表或数组的 to_list 方法、 to_numpy 方法。用两个库函数：to_numeric 和 to_datetime 可以分别转换成数值型和 datetime 类型。
另外，可以使用 Series.str 将 Series 的值当作字符串处理，通过 Series.str.func 来应用各种字符串处理函数，比如 func 可以是 len、count、find、lower、split等等等等。用这种方法可以跳过 NaN 缺失值进行处理。
上述中，在 “日期时间数据类型与处理方法” 这一篇已经介绍了 to_datetime 函数和使用 astype 方法的例子；在 “几个重要的方法/函数：apply/applymap/map、cut/qcut、melt、get_dummies” 这一篇已经介绍了 apply/applymap/map 函数。除此之外，其他方法函数定义如下：

Series/DataFrame.astype(dtype, copy=True, errors='raise')
Series.to_list()
Series/DataFrame.to_numpy(dtype, copy=False, na_value)
pandas.to_numeric(arg, errors='raise', downcast)

示例如下：

import numpy as np
import pandas as pd

df = pd.DataFrame(data = [('1', '20120927', 5.0, 33, 'M', 78.5),
('2', '20120909', 5.4, 24, 'M',  np.nan),
('3', '20120815', 5.2, 23, 'F', 66.5),
('4', '20121103', 4.9, np.nan, 'M', 80),
('5', '20121122', 5.7, 54, 'F', np.nan),
('', '20120607', 5.2, 23, 'F', 66.5),
('7', '20120816', 5.3, 42, 'M', 69)],
columns=['id','date','height','age','gender','score'])
df.info()                         # 查看 df 各列类型
df['age'].astype('Int64')         # 将 'age' 列转换成 Int64 类型，缺失值 np.nan 被转换成 NAType
df['date'].astype('datetime64')   # 将 'date' 列转换成 datetime64 类型
pd.to_datetime(df['date'])        # 同上
df.astype({'date': 'datetime64',  # 将要转换类型的列以字典形式传入 astype 方法
           # 'id': 'int32',       # 'id' 列存在空串，因此用astype方法会报错
           'height': 'int64'})    # 将 'height' 列转换成 int64 类型
df['gender'].to_list()            # 将 'gender' 列转换成列表
df['score'].to_numpy(na_value=0)  # 将 'score' 列转换成 numpy 数组，缺失值用0填充
pd.to_numeric(df['id'])  # 将字符串型 'id' 列转换成数值型，空值处为 NaN，转换后该列类型为 float64，
                         # 如果该列没有 '' 空值，则转换后类型为 int64

def trans(x):
	try:
		return int(x)
	except:
		return 'NaN'
		
df['score'].apply(func=trans)  # 将 'score' 列转换成 int 类型，缺失值转换成 'NaN' 字符串

df['id'].str.len()             # 获取 'id' 列各值的串长
df['gender'].str.lower()       # 将 'gender' 列转换成小写
df['date'].str.split('2012')   # 将 'date' 列进行分割生成列表
df['date'].str.count('0')      # 统计 'data' 列中 '0' 的数量
df['gender'].str.find('M')     # 找到 'gender' 列中 'M' 并返回位置下标，若无则返回-1

Pandas 绘图

Pandas 在 matplotlib 绘图软件包的基础上单独封装了一个 plot() 接口，通过调用该接口可以实现常用的绘图操作，Series 和 DataFrame 对象的 plot 方法定义分别如下。另外，也可以用 DataFrame/Series.plot.graph 的形式，graph 或者 plot 方法中的 kind 参数可以是： line（折线图）、bar/barh（柱状图）、kde（核密度估计图）、area（区域图）、pie（饼图）、hist（直方图）、scatter（散点图）、box（箱型图）等等。

Series.plot(kind='line', ax, figsize, use_index=True, title, grid, legend=False, style, logx=False, logy=False,loglog=False,xticks,yticks, xlim, ylim, rot, fontsize, colormap, table=False, yerr, xerr, label, secondary_y=False, **kwds)
DataFrame.plot(x, y, kind='line', ax, subplots=False, sharex, sharey=False, layout, figsize, use_index=True, title, grid, legend=True, style, logx=False, logy=False, loglog=False, xticks, yticks, xlim, ylim, rot, fontsize, colormap, table=False, yerr, xerr, secondary_y=False, sort_columns=False, **kwds)

示例如下（接续上述代码）：

import matplotlib.pyplot as plt

s1 = pd.Series(np.random.randn(200), index=[str(i) for i in range(200)])
s2 = pd.Series([11,13,15,6,4,2], index=[str(i) for i in range(6)])
s1.plot(kind='line')  # 折线图，若无参数，则默认绘制折线图
plt.show()            # 显示绘制的图（后续代码进行了省略）
s2.plot(kind='bar')   # 柱状图，等效于 s2.plot.bar()
s1.plot(kind='kde')   # 核概率密度估计图，等效于 s1.plot.kde()
s2.plot(kind='area')  # 区域图
s2.plot(kind='pie')   # 饼图
s1.plot(kind='hist')  # 直方图
df.plot(kind='scatter',x='date',y='height')  # 散点图
df[['age','score']].plot(kind='box')         # 箱型图