这篇文章给大家分享的是有关Pandas数据分析实用小技巧有哪些的内容。小编觉得挺实用的，因此分享给大家做个参考，一起跟随小编过来看看吧。
小技巧1：如何使用map对某些列做特征工程？
先生成数据：
d = {"gender":["male", "female", "male","female"],"color":["red", "green", "blue","green"],"age":[25, 30, 15, 32]
}df = pd.DataFrame(d)df
在 gender列上，使用 map 方法，快速完成如下映射：
d = {"male": 0, "female": 1}
df["gender2"] = df["gender"].map(d)Pandas 的强项在于数据分析，自然就少不了数据清洗。
一个快速清洗数据的小技巧，在某列上使用 replace 方法和正则，快速完成值的清洗。
源数据：
d = {"customer": ["A", "B", "C", "D"],"sales":[1100, "950.5RMB", "$400", " $1250.75"]}
df = pd.DataFrame(d)df打印结果：
customer sales 0 A 11001 B 950.5RMB 2 C $4003 D $1250.75
看到 sales 列的值，有整型，浮点型+RMB后变为字符串型，还有美元+整型，美元+浮点型。
我们的目标：清洗掉 RMB，$符号，转化这一列为浮点型。
一行代码搞定：（点击代码区域，向右滑动，查看完整代码）
df["sales"] = df["sales"].replace("[$,RMB]","", regex = True) \
.astype("float")使用正则替换，将要替换的字符放到列表中 [$,RMB]，替换为空字符，即""；
最后使用 astype转为 float
打印结果：
customer sales0 A 1100.001 B 950.502 C 400.003 D 1250.75
如果不放心，再检查下值的类型：
df["sales"].apply(type)
打印结果：
0 <class 'float'>1 <class 'float'>2 <class 'float'>3 <class 'float'>
构造一个 DataFrame：
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打印结果：
district_code apple banana orange0123455.23.58.01567892.41.97.521011124.24.06.431314153.62.33.9
5.2 表示 12345 区域的 apple 价格，并且 apple, banana, orange，这三列都是一种水果，那么如何把这三列合并为一列？
使用 pd.melt
具体参数取值，根据此例去推敲：
df = df.melt(\ id_vars = "district_code", var_name = "fruit_name", value_name = "price") df
打印结果：
district_code fruit_name price012345 apple 5.2156789 apple 2.42101112 apple 4.23131415 apple 3.6412345 banana 3.5556789 banana 1.96101112 banana 4.07131415 banana 2.3812345 orange 8.0956789 orange 7.510101112 orange 6.411131415 orange 3.9
以上就是长 DataFrame，对应的原 DataFrame 是宽 DF.
小技巧4：已知 year 和 dayofyear，怎么转 datetime?
原 DataFrame
d = {\"year": [2019, 2019, 2020],"day_of_year": [350, 365, 1]
}df = pd.DataFrame(d)df打印结果：
year day_of_year 0201935012019365220201
转 datetime 的 小技巧
步骤 1: 创建整数
df["int_number"] = df["year"]*1000 + df["day_of_year"]
打印 df 结果：
year day_of_year int_number 0201935020193501201936520193652202012020001
步骤 2: to_datetime
df["date"]=pd.to_datetime(df["int_number"],format = "%Y%j")
注意 "%Y%j" 中转化格式 j
打印结果：
year day_of_year int_number date 0201935020193502019-12-161201936520193652019-12-3122020120200012020-01-01
这也是我们在数据清洗、特征构造中面临的一个任务。
如下一个 DataFrame:
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结果：
name categories 0 Jone A1 Alica C2 Emily A3 Robert D4 Tomas A5 Zhang B6 Liu B7 Wang C8 Jack A9 Wsx E10 Guo F
D、E、F 仅在分类中出现一次，A 出现次数较多。
步骤 1：统计频次，并归一
frequencies = df["categories"].value_counts(normalize = True) frequencies
结果：
A 0.363636B 0.181818C 0.181818F 0.090909E 0.090909D 0.090909Name: categories, dtype: float64
步骤 2：设定阈值，过滤出频次较少的值
threshold = 0.1small_categories = frequencies[frequencies < threshold].indexsmall_categories
结果：
Index(['F', 'E', 'D'], dtype='object')
步骤 3：替换值
df["categories"] = df["categories"] \ .replace(small_categories, "Others")
替换后的 DataFrame:
name categories 0 Jone A1 Alica C2 Emily A3 Robert Others4 Tomas A5 Zhang B6 Liu B7 Wang C8 Jack A9 Wsx Others10 Guo Others
感谢各位的阅读！关于“Pandas数据分析实用小技巧有哪些”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，让大家可以学到更多知识，如果觉得文章不错，可以把它分享出去让更多的人看到吧！
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
