Pandas中比较好用的几个方法分别是什么

今天就跟大家聊聊有关Pandas中比较好用的几个方法分别是什么，可能很多人都不太了解，为了让大家更加了解，小编给大家总结了以下内容，希望大家根据这篇文章可以有所收获。

话说我现在好久不做深度学习的东西了，做了一段时间是的NLP，以为可以去尝试各种高大上的算法，然而现在还并没有，反而觉得更像是做数据挖掘的。。平时遇到的比较多的问题，大多数都是数据清洗的工作，这时候工具就显得很重要，有一个好的工具能起到事半功倍的效果，比如突然有个idea，然后自己开始呼哧呼哧的造轮子，最后才发现，哦，原来都有现成的方法，本来一行代码就可以搞定的问题，到最后写了几十行。 正所谓，“欲闪其事，必先利其器”啊。 好了，废话不多说，下面介绍几个神奇的方法。

1.   数据筛选

        先把数据导入进来，数据一共有4列，分别是日期，星期，品牌和数量，一共有14行数据。

import pandas as pd

data = pd.read_table("test.txt")
print(data.head(2))
print(data.shape)
"""
   日期  星期  品牌  数量
    0   1   3   1  20
    1   1   3   5  48
(14, 4)
"""

然后我们可以查看一下品牌列有几种可能，看到有1,2,3,4,5一共五种品牌。

brand = data['品牌']
print(set(brand.values.tolist()))

"""
{1, 2, 3, 4, 5}
"""

好，如果我现在想查看品牌1的数据，怎么做呢。可以这样

brand_1 = data[data['品牌'].isin([1])]
print(brand_1)
"""
   日期  星期  品牌    数量
0   1   3   1    20
2   2   4   1    16
4   3   5   1  1411
9   4   6   1  1176
"""

看一下，这里用了isin()方法，这样就得到了品牌1的全部数据，可能也有人说，还有一种做法，就是用Groupby，好，Groupby是pandas中用来做分组统计的方法。不知道？没关系，下面介绍

这里还有要2件事情，可不可以查看多个品牌的数据？可以，这样做就行了

brand_n = data[data['品牌'].isin([1, 2])]
print(brand_n)
"""
    日期  星期  品牌    数量
0    1   3   1    20
2    2   4   1    16
4    3   5   1  1411
5    3   5   2   811
9    4   6   1  1176
10   4   6   2   824
"""

isin()方法传入的是一个list就可以，好，如果我想查看除了品牌1以外的数据，怎么做？ 用pandas 很简单。这样就可以

brand_ex_1 = data[~data['品牌'].isin([1])]
print(brand_ex_1)
"""
    日期  星期  品牌    数量
1    1   3   5    48
3    2   4   3    20
5    3   5   2   811
6    3   5   3  1005
7    3   5   4   773
8    3   5   5  1565
10   4   6   2   824
11   4   6   3   802
12   4   6   4  1057
13   4   6   5  1107
"""

2 . 数据分组

好，然后说一下，groupby，groupby就是group data by xx。按照xx把数据分为几个组。先看个栗子，首先把数据按日期分组。

data_grouped = data.groupby(by='日期')
print("共有 {} 组".format(data_grouped.ngroups))
# 共有 4 组

print(data_grouped.ngroup(ascending=True))
"""
0     3
1     3
2     2
3     2
4     1
5     1
6     1
7     1
8     1
9     0
10    0
11    0
12    0
13    0
"""

查看分组后的索引

indices = data_grouped.indices
day_1 = indices[3]
print(day_1)
"""
[4 5 6 7 8]
"""

还可以这样

for i, j in data_grouped:
    print(i, j.index)
"""
1 Int64Index([0, 1], dtype='int64')
2 Int64Index([2, 3], dtype='int64')
3 Int64Index([4, 5, 6, 7, 8], dtype='int64')
4 Int64Index([9, 10, 11, 12, 13], dtype='int64')
"""

分组之后的数据还是一个DataFrame对象，所以可以调用index方法。

如果要对分组后的数据做统计分析，可以这样来做

import pandas as pd

data = pd.read_table("test.txt")
data_grouped = data.groupby(by='日期')['数量'].mean()

print(data_grouped)

这样就可以查看每一天数量的平均值了。

3. appy方法

如果我想给数量这一列，每个值都乘以2，可以怎么做呢？ 方法很多，这里介绍一下，如何用apply来做，

import pandas as pd

data = pd.read_table("test.txt")


def double_df(x):
    return 2 * x


data_double = data['数量'].apply(double_df)
print(data_double)
"""
0       40
1       96
2       32
3       40
4     2822
5     1622
6     2010
7     1546
8     3130
9     2352
10    1648
11    1604
12    2114
13    2214
Name: 数量, dtype: int64
"""

这样就可以很简单的完成这个倍乘的任务，但是输出貌似不是我们想要的，因为我们还想保留其他列，那应该怎么做呢。

import pandas as pd

data = pd.read_table("test.txt")


def double_df(x):
    return 2 * x

data_copy = data.copy()
data_copy['数量'] = data['数量'].apply(double_df)
print(data_copy)
"""
    日期  星期  品牌    数量
0    1   3   1    40
1    1   3   5    96
2    2   4   1    32
3    2   4   3    40
4    3   5   1  2822
5    3   5   2  1622
6    3   5   3  2010
7    3   5   4  1546
8    3   5   5  3130
9    4   6   1  2352
10   4   6   2  1648
11   4   6   3  1604
12   4   6   4  2114
13   4   6   5  2214
"""

这里可以先复制一份data, 然后给复制的数据中的“数量”这一列用data中数量的列apply函数，这样就不会有数据损失了。

好，这是apply的基本应用，如果我们想对两列数据使用apply函数，应该怎么做。开始我也不会，那天突然有这样的想法，因为我的数据是在两列都有，然后我想统计两列的性质，无奈不知道怎么用，然后在stackflow上找到了答案。这里分享给大家

def double_df(a, b):
    return "{:.03f}".format(a / b)

data_apply = data.apply(lambda row: 
                        double_df(row['星期'],
                                  row['品牌']),
                        axis=1)
print(data_apply)
"""
0     3.000
1     0.600
2     4.000
3     1.333
4     5.000
5     2.500
6     1.667
7     1.250
8     1.000
9     6.000
10    3.000
11    2.000
12    1.500
13    1.200
dtype: object

"""

或者这样

def double_df(rows):
    return "{:.03f}".format(rows['星期'] / rows['品牌'])

data_apply = data.apply(double_df, axis=1)
print(data_apply)
"""
0     3.000
1     0.600
2     4.000
3     1.333
4     5.000
5     2.500
6     1.667
7     1.250
8     1.000
9     6.000
10    3.000
11    2.000
12    1.500
13    1.200
dtype: object

"""

同样，你要是想的到原始的全部数据，最好复制一份，不然可能会报错，有兴趣可以去试试。

4. 删除Pandas中的NaN和空格

对于缺失数据的处理，无非两种方法，一种是直接删掉不要了，一种是添加进去一些别的数据，那Pandas怎么删除缺失值？本来Pandas提供了dropna方法，直接一个方法就搞定了，但是有时候缺失值不是Nan，而是空格或者别的什么，死活删不掉，我就遇到过，然后折腾啊折腾，一直报ValueError的错误，但是我明明用了dropna了，说明数据还是没有清洗干净。好，下面这个方法，是我搜集到的网上现有的三种删除缺失值的方法，可以直接用。

def delet_pandas_na(in_df, columns_name, method='one'):
    if method == 'one':
        out_df = in_df.copy()
        out_df[columns_name] = \
            in_df[columns_name].apply(
              lambda x: np.NaN if len(str(x)) < 1 else x)
      out_df_res = out_df[out_df[columns_name].notnull()]
        return out_df_res

    elif method == 'two':
        out_df = (in_df[columns_name].isnull()) | \
                 (in_df[columns_name].apply(
                     lambda x: str(x).isspace()))
        out_df_res = in_df[~out_df]
        return out_df_res
    else:
        in_df.dropna(inplace=True)
        indices_to_keep = ~in_df.isin([np.nan,
                                       np.inf,
                                       -np.inf]).any(1)
        return in_df[indices_to_keep].astype(np.float64)

看完上述内容，你们对Pandas中比较好用的几个方法分别是什么有进一步的了解吗？如果还想了解更多知识或者相关内容，请关注亿速云行业资讯频道，感谢大家的支持。