Pandas資料分析常用小技巧

資料分析中pandas的小技巧，快速進行資料預處理，歡迎點贊收藏，持續更新，作者：北山啦

Pandas小技巧

import pandas as pd

pandas生成資料

d = {"sex": ["male", "female", "male", "female"],
     "color": ["red", "green", "blue", "yellow"],
     "age": [12, 56, 21, 31]}
df = pd.DataFrame(d)
df

資料替換–map映射

map() 會根據提供的函式對指定序列做映射，

map(function, iterable, …)

• function – 函式
• iterable – 一個或多個序列

d = {"male": 1, "female": 0}
df["gender"] = df["sex"].map(d)
df

資料清洗–replace和正則

分享pandas資料清洗技巧，在某列山使用replace和正則快速完成值的清洗

d = {"customer": ["A", "B", "C", "D"],
     "sales": [1000, "950.5RMB", "$400", "$1250.75"]}
df = pd.DataFrame(d)
df

sales列的資料型別不同意，為后續分析，所以需要將他的格式同統一

df["sales"] = df["sales"].replace("[$,RMB]", "", regex=True).astype("float")

df

查看資料型別

df["sales"].apply(type)

0    <class 'float'>
1    <class 'float'>
2    <class 'float'>
3    <class 'float'>
Name: sales, dtype: object

資料透視表分析–melt函式

melt是逆轉操作函式，可以將列名轉換為列資料(columns name → column values)，重構DataFrame，用法如下：

引數說明：
pandas.melt(frame, id_vars=None, value_vars=None, var_name=None, value_name=‘value’, col_level=None)

• frame:要處理的資料集，

• id_vars:不需要被轉換的列名，

• value_vars:需要轉換的列名，如果剩下的列全部都要轉換，就不用寫了，

• var_name和value_name是自定義設定對應的列名，

• col_level :如果列是MultiIndex，則使用此級別，

二維表格轉成一維表格

d = {"district_code": [12345, 56789, 101112, 131415],
     "apple": [5.2, 2.4, 4.2, 3.6],
     "banana": [3.5, 1.9, 4.0, 2.3],
     "orange": [8.0, 7.5, 6.4, 3.9]
     }
df = pd.DataFrame(d)
df

df = df.melt(id_vars="district_code",
             var_name="fruit_name",
             value_name="price")
df

將分類中出現次數較少的值歸為others

d = {"name": ['Jone', 'Alica', 'Emily', 'Robert', 'Tomas',
              'Zhang', 'Liu', 'Wang', 'Jack', 'Wsx', 'Guo'],
     "categories": ["A", "C", "A", "D", "A",
                    "B", "B", "C", "A", "E", "F"]}
df = pd.DataFrame(d)
df

D、E、F 僅在分類中出現一次，A 出現次數較多，

1. 統計出現次數，并標準化

frequencies = df["categories"].value_counts(normalize=True)
frequencies

A    0.363636
B    0.181818
C    0.181818
E    0.090909
D    0.090909
F    0.090909
Name: categories, dtype: float64

2. 設定閾值

threshold = 0.1
small_categories = frequencies[frequencies < threshold].index
small_categories

Index(['E', 'D', 'F'], dtype='object')

3. 替換

df["categories"] = df["categories"].replace(small_categories, "Others")

df

Python小技巧

串列推導式

例如，假設我們想創建一個正方形串列，例如

squares = []
for x in range(10):
    squares.append(x**2)
squares

[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

squares = list(map(lambda x: x**2, range(10)))
squares

[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

squares = [x**2 for x in range(10)]
squares

[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

同時還可以利用if來過濾串列

[(x, y) for x in [1,2,3] for y in [3,1,4] if x != y]

[(1, 3), (1, 4), (2, 3), (2, 1), (2, 4), (3, 1), (3, 4)]

串列推導式可以包含復雜運算式和嵌套函式

from math import pi
[str(round(pi, i)) for i in range(1, 6)]

['3.1', '3.14', '3.142', '3.1416', '3.14159']

串列推導式中的初始運算式可以是任意運算式，包括另一個串列推導式，

下面的串列推導式將對行和列進行轉置

matrix = [
    [1, 2, 3, 4],
    [5, 6, 7, 8],
    [9, 10, 11, 12],
]

[[row[i] for row in matrix] for i in range(4)]

[[1, 5, 9], [2, 6, 10], [3, 7, 11], [4, 8, 12]]

交換變數

a = 1
b = 2
a, b = b, a
print("a = ",a)
print("b = ",b)

a =  2
b =  1

檢查物件使用記憶體情況

sys.getsizeof()

range()函式回傳的是一個類，在使用記憶體方面，range遠比實際的數字串列更加高效

import sys
mylist = range(1,10000)
print(sys.getsizeof(mylist))

48

合并字典

從Python3.5開始，合并字典的操作更加簡單
如果key重復，那么第一個字典的key會被覆寫

d1 ={"a":1,"b":2}
d2 = {"b":2,"c":4}
m = {**d1,**d2}
print(m)

{'a': 1, 'b': 2, 'c': 4}

字串分割成串列

string = "the author is beishanla"
s = string.split(" ")
s

['the', 'author', 'is', 'beishanla']

字串串列創建字串

l = ["the","author","is","beishanla"]
l = " ".join(l)
l

'the author is beishanla'

Python查看圖片

pip install Pillow

from PIL import Image
im = Image.open("E:/Python/00網路爬蟲/Project/詞云圖跳舞視頻/aip-python-sdk-4.15.1/pictures/img_88.jpg")
im.show()

print(im.format,im.size,im.mode)

JPEG (1920, 1080) RGB

歡迎搜藏，持續更新

到這里就結束了，如果對你有幫助，歡迎點贊關注，你的點贊對我很重要，作者：北山啦