作者|Billy Fetzner
編譯|VK
來源|Towards Data Science
我認為，既然你點開了這個頁面，你可能有大量的資料需要分析，你可能正在想最好和最有效的方法來解決你資料的一些問題，你問題的答案可以通過Pandas解決，
如何接觸Pandas
由于Pandas的流行，它有自己的傳統縮寫，所以無論何時將Pandas匯入python，請使用以下命名：
import pandas as pd
Pandas包的主要用途是資料框
Pandas API將Pandas資料幀定義為：
二維、大小可變、潛在的異構表格資料，資料結構還包含軸（行和列），算術運算對行標簽和列標簽進行對齊，可以認為是一個類似于dict的容器，用于存盤序列物件，是Pandas主要的資料結構，
基本上，這意味著你有包含在格式中的資料，如下所示，在行和列中找到的資料：
資料幀非常有用，因為它們提供了一種高效的方法來可視化資料，然后按你希望的方式操作資料，
這些行可以很容易地被索引參考，索引是資料幀最左邊的數字，索引將是從零開始的編號，除非你指定每一行的名稱，列也可以很容易地被列名稱（例如“Track name”）或其在資料幀中的位置進行參考，我們將在本文后面詳細討論參考行和列，
創建資料幀
創建Pandas資料幀的方法有幾種：
-
從.csv檔案匯入資料（或其他檔案型別，例如Excel、SQL資料庫）
-
從串列中
-
從字典里
-
從numpy陣列
-
其他
通常，你將主要將.csv檔案或某種型別的資料源的資料放入Pandas資料框架中，而不是從頭開始，因為這將需要非常長的時間來完成，這取決于你擁有的資料量，以下是python字典中的一個快速、簡單的示例：
import pandas as pd
dict1 = {'Exercises': ['Running','Walking','Cycling'],
'Mileage': [250, 1000, 550]}
df = pd.DataFrame(dict1)
df
輸出：
字典鍵（“Exercises”和“Mileage”）成為相應的列標題，字典中的值是本示例中的串列，成為資料幀中的單個資料點，Running是“Exercises”串列中的第一個，250將被列在第二列的第一個，另外，你會注意到，由于我沒有為資料幀的索引指定標簽，因此它會自動標記為0、1和2，
但是，就像我之前所說的，創建Pandas資料幀的最可能方法是從csv或其他型別的檔案中匯入，你將匯入該檔案來分析資料，只需以下內容即可輕松完成：
df = pd.read_csv("file_location.../file_name.csv")
pd.read_csv是一種非常強大和通用的方法，根據你希望如何匯入資料，它將非常有用，如果csv檔案已經附帶了頭或索引，則可以在匯入時指定，為了充分了解pd.read_csv，我建議你看看這里的PandasAPI：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.read_csv.html?highlight=read_csv
第一件事
現在你已經準備好了這個巨大的資料集，你必須查看它，看看它的外觀，作為一個分析這些資料的人，首先必須對資料集熟悉，并真正了解資料集中發生了什么，我喜歡用四種方法來了解我的資料，
- .head() & .tail()
- .info()
- .describe()
- .sample()
raw_song.head()
它顯示資料幀的前5行和每個列，以便你輕松地總結資料的外觀，你還可以在方法中指定一定數量的行，以顯示更多行，
.tail僅顯示最后5行，
raw_song.tail()
從這兩個快速方法中，我對列名和資料的外觀有了一個大致的了解，這只是從資料集的一個小樣本中得到的，這些方法也非常有用，尤其是對于Spotify資料集這樣的資料集，處理超過300萬行的資料時，你可以輕松地顯示資料集并快速了解資料，而且你的計算機也不會花很長時間來顯示資料，
.info也很有用，它向我顯示了所有列、它們的資料型別以及是否有null資料點，
raw_song.info(verbose=True, null_counts=True)
如果你有完整的整型或浮點型列（即'Position'、'Streams'），那么.describe是一個有用的方法，可以幫助你更好地了解資料集，因為它將顯示關于這些列的許多描述性統計資訊，
raw_song.describe()
最后，.sample將允許你隨機對資料幀進行采樣，并查看你所做的任何操作是否錯誤地更改了資料集中的某些內容，而且當你第一次探索資料集時，也可以很好地了解資料集包含哪些內容
raw_song.sample(10)
在探索和準備資料集進行分析時，我始終使用這些方法，每當我更改列中的資料、更改列名或添加/洗掉行/列時，我都會通過至少快速運行前面5個方法中的一些來確保所有更改都按我希望的方式進行，
選擇行或列
太棒了，現在你知道如何將資料集作為一個整體來看待，但實際上你只想查看幾列或幾行，然后將其余部分排除在外，
.loc[]和.iloc[]
這兩個方法將以不同的方式來實作這一點，這取決于你能夠參考特定行或列的方式，
如果知道行或列的標簽，請使用.loc[]，
如果知道行或列的索引，請使用.iloc[]，
如果你兩者都知道，就選你最喜歡的，
因此，回到Spotify資料集，你可以使用.loc[]或.iloc[]查看列“Track Name”，如果知道列的標簽可以使用.loc[]，所以我將使用以下內容：
raw_song.loc[:,'Track Name']
第一個括號后面的冒號指定我參考的行，由于我希望所有行都位于“Track Name”列中，所以我使用“：”，
我將收到與.iloc[]相同的輸出，但這次需要指定“Track Name”列的索引：
raw_song.iloc[:,1]
.loc[]和.iloc[]對行的作用相同，但在本例中，因為行的標簽和索引都是相同的，所以它們看起來完全相同，
切片
另一種獲取DataFrame部分的簡單方法是使用[]并在方括號內指定列名，
raw_song[['Artist','Streams']].head()
如果你只使用一列和一組括號，你將得到Pandas Series，
raw_song['Streams']
從資料幀添加行、列
利用我們已經從.loc[]獲得的資訊，我們可以使用this或.insert將行或列添加到資料幀中，
添加行
如果決定使用.loc[]將行添加到dataframe，則只能將其添加到dataframe的底部，指定dataframe中的任何其他索引，洗掉當前在該行中的資料，并用要插入的資料替換它，
raw_song.loc[3441197] = [0,'hello','bluemen',1,"https://open.spotify.com/track/notarealtrack", '2017-02-05','ec']
你也可以使用.loc[]將列添加到資料幀中，
raw_song.loc[:,'new_col'] = 0
raw_song.tail()
除了在末尾之外，還有兩種方法可以將新列插入資料幀中，
insert方法允許你指定要將列放入資料幀的位置，它接受3個引數、要放置它的索引、新列的名稱以及要作為列資料放置的值，
raw_song.insert(2,'new_col',0)
raw_song.tail()
將列添加到dataframe的第二種方法是通過使用[]命名新列并使其與新資料相等，從而使其成為dataframe的一部分，
raw_song['new_col'] = 0
raw_song.tail()
通過這種方式，我無法指定新列的位置，但這是執行該操作的另一種有用方法，
從資料幀中洗掉行、列
如果你想洗掉一些行或列，這很簡單，只需洗掉它們，
只需指定要洗掉的軸（行為0，列為1）和要洗掉的行或列的名稱，就可以開始了！
raw_song.drop(labels='new_col',axis=1)
重命名索引或列
如果要將dataframe的索引更改為dataframe中的其他列，請使用.set_index并在括號中指定列的名稱，但是，如果你確切知道要為索引命名的內容，請使用.rename方法，
raw_song.rename(index={0:'first'}).head()
要重命名列，請在.rename方法中指定要重命名的列以及在{}中要為其命名的名稱，類似于重命名索引，
raw_song.rename(columns={'Position':'POSITION_RENAMED'}).head()
如何迭代資料幀
很多時候，當你處理資料幀中的資料時，你需要以某種方式更改資料并迭代資料幀中的所有值，最簡單的方法是在pandas中內置for回圈：
for index, col in raw_song.iterrows():
# 在此處操作資料
如何將資料幀寫入檔案
在完成對資料幀的所有操作之后，現在是匯出資料幀的時候了，以便可以將其發送到其他地方，與從檔案匯入資料集類似，現在正好相反，Pandas有多種不同的檔案型別，你可以將資料幀寫入其中，但最常見的是將其寫入csv檔案，
pd.to_csv('file_name.csv')
現在你知道Pandas和資料幀的基本知識了，這些是資料分析工具箱中非常強大的工具，
原文鏈接：https://towardsdatascience.com/an-introduction-to-pandas-29d15a7da6d
歡迎關注磐創AI博客站：
http://panchuang.net/
sklearn機器學習中文官方檔案：
http://sklearn123.com/
歡迎關注磐創博客資源匯總站：
http://docs.panchuang.net/
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/220972.html
標籤：其他
上一篇：散列沖突解決的方式
下一篇：四、功能測驗--邊界值分析法