从零开始学Python学习笔记---之--pandas数据框(3)

在pandas数据框(2)我们使用pandas模块实现观测的筛选、变量的重命名、数据类型的变换、排序、重复观测的删除、和数据集的抽样，这期我们继续介绍pandas模块的其他新知识点。包括频数统计、缺失值处理、数据映射、数据汇总。

一、频数统计

我们以被调查用户的收入数据为例，来谈谈频数统计函数value_counts

#读数据
import pandas as pd
income = pd.read_excel('income.xlsx')
#数据前4行
print(income.head(4))

图片来源：http://mp.weixin.qq.com/s/b8Lce66ViRuvxtAYM8e28Q

频数统计，顾名思义就是统计某个离散变量各水平的频次

countedIncome =income.gender.value_counts()
print(countedIncome)

这里统计的是性别男女的人数，是一个绝对值，如果想进一步查看男女的百分比例，可以通过下面的方式实现：

percentIncome = income.gender.value_counts()/sum(income.gender.value_counts())
print(percentIncome)

如上是单变量的频数统计，如果需要统计两个离散变量的交叉统计表，该如何实现？pandas模块提供了crosstab函数，我们来看看其用法：

result = pd.crosstab(index=income.gender,columns=income['income level'])
print(result)

二、缺失值处理
在数据分析或建模过程中，我们希望数据集是干净的，没有缺失、异常之类，但面临的实际情况确实数据集很脏，例如对于缺失值我们该如何解决？一般情况，缺失值可以通过删除或替补的方式来处理。首先是要监控每个变量是否存在缺失，缺失的比例如何？这里我们借助于pandas模块中的isnull函数、dropna函数和fillna函数

#导入第三方模块库
import pandas as pd
import numpy as np
#手工编造一个含缺失值的数据框：
df =pd.DataFrame([[1,2,3,4],[np.NaN,6,7,np.NaN],[</