11.8课堂总结

11.8课堂总结

根据索引删除数据

drop

注意点：

删除指定的索引，必须配合axis使用，axis=1 表示列，axis=0表示的是行
drop()这个方法，返回删除之后的dataframe，原始数据不受影响
指定行列的时候不使用0或1，使用index和columns

del

del 这个方法，只能删除列，不能删除行
而且实在原始数据上做的操作

pandas的对齐操作

四种主要的运算：加add（）减sub()乘mul()除div()

加法如下：

import numpy as np
import pandas as pd

print('######series对齐运算####')
ser1 = pd.Series(data=range(10,15),index=list('abcde'))
ser2 = pd.Series(data=range(20,25),index=list('cdefg'))
print('###################ser1')
print(ser1)
print('###################ser2')
print(ser2)
print('###################add()')
ser_obj3 = ser1.add(ser2)
print(ser_obj3)

运行结果如下：

减法，乘法跟加法类似，除法这里特殊提一下：

ser_obj3 = ser1.div(ser2,fill_value=0)
ser_obj3

series对象与dataframe对象做对齐操作

数据类型不同的时候做对齐操作，不支持fill_value

数据清洗

import numpy as np
import pandas as pd

# 先判断是否存在缺失值
df1 = pd.DataFrame([np.random.randint(10,50,4),[1.1,2.2,3.3,]],columns=list('ABCD'))
df1

df1.isnull()

# 删除空值，删除空值所在的行或列
df1.dropna(axis='index')

# 填充空值
df1.fillna(3,axis='index')

df1.fillna({
    'A':100,
    'B':200,
    'C':300,
    'D':400
})

# 判断重复数据
df2 = pd.DataFrame([np.random.randint(10,15,5),[11,12,13,14,15],[11,12,13,14,15]],columns=list('ABCDE'))
df2

df2.duplicated('A')

# 直接删除重复行数据
df2.drop_duplicates('A')

# 替换
df3 = pd.DataFrame(np.random.randint(-5,10,(3,4)),index=list('abc'),columns=list('ABCD'))
df3

df3.replace(-3,300)

df4 = pd.DataFrame([np.array(['a','1'])],columns=list('AB'))
df4.replace(regex=['a'],value=100)
df4.replace(regex=['\d'],value=100)

df4.replace({'a':'aaa','1':'1111'})

df4.replace(['a','1'],100)

df5 = pd.DataFrame([np.array(['a','1','a'])],columns=list('ABC'))
df5

df5.replace({'A':'a'},'aaa')

函数的使用

import numpy as np
import pandas as pd

ser1 = pd.Series(np.random.randint(-10,10,10),index=list('adcdefghop'))
df1 = pd.DataFrame(np.random.randint(-10,10,(4,5)),index=list('abcd'),columns=list('ABCDE'))

def func(x):
    print('这是自定义的')
    print(x)
    print('###############')
    print('最大值',np.max(x))
    print('最小值',np.min(x))
    return np.max(x)-np.min(x)

df1.apply(func,axis='columns')

nt('这是自定义的')
    print(x)
    print('###############')
    print('最大值',np.max(x))
    print('最小值',np.min(x))
    return np.max(x)-np.min(x)

df1.apply(func,axis='columns')