沧海拾珠

Pandas 基本数据处理

发表于 | 分类于 |

1. value_counts() 函数

作用:返回一个包含值和该值出现次数的Series对象,次序按照出现的频率由高到低排序。
参数:
normalize : 布尔值,默认为False,如果是True的话,就会包含该值出现次数的频率。
sort : 布尔值,默认为True.排序控制。
ascending : 布尔值,默认为False,以降序排序。
dropna : 布尔型,默认为True,表示不包括NaN（缺失值）。

1
2
3
4
5
6
7
import pandas as pd
df = pd.read_csv('olympics.csv',skiprows = 4)
df.Gender.value_counts()
Men      21721
Women     7495
Name: Gender, dtype: int64

2. sort_values()函数

对Series按值进行排序, 排序时，任何缺失值默认都会被放到Series的末尾。
在dataFrame中对某一列或几列进行排序，使用 by 传递参数，ascending 默认为True。

1
2
3
4
5
6
7
8
9
10
11
12
13
df = pd.DataFrame({
...     'col1' : ['A', 'A', 'B', np.nan, 'D', 'C'],
...     'col2' : [2, 1, 9, 8, 7, 4],
...     'col3': [0, 1, 9, 4, 2, 3],
... })
df.sort_values(by=['col1', 'col2'])
    col1 col2 col3
1   A    1    1
0   A    2    0
2   B    9    9
5   C    4    3
4   D    7    2
3   NaN  8    4

3. 布尔值 Boolean indexing, 例如：

与：&
或：|
非：-
等于：==
同时筛选几个条件需要用括号围起来。

1
2
3
4
5
6
7
8
9
10
11
12
import pandas as pd
df = pd.read_csv('olympics.csv',skiprows = 4)
df.Medal == 'Gold'
0         True
1        False
2        False
3         True
4        False
df[df.Medal == 'Gold'] #返回获得金牌的dataFrame数据集
df[(df.Medal == 'Gold') & (df.Gender == 'Women')] #返回获得金牌的女性的数据集

4.字符串处理

Series.str.contains()
Series.str.startswith()
Series.str.isnumeric()

1
df[df.Athlete.str.contains('Florence')] #返回含有“Florence”的数据集