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。
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。
计算
安全
数据库
网络和加速
企业服务
import pandas as pddata = 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 1 202 2 4 1 164 3 5 1 14119 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 1 202 2 4 1 164 3 5 1 14115 3 5 2 8119 4 6 1 117610 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 5 483 2 4 3 205 3 5 2 8116 3 5 3 10057 3 5 4 7738 3 5 5 156510 4 6 2 82411 4 6 3 80212 4 6 4 105713 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 31 32 23 24 15 16 17 18 19 010 011 012 013 0"""查看分组后的索引
indices = data_grouped.indicesday_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 pddata = 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 pddata = pd.read_table("test.txt")def double_df(x): return 2 * xdata_double = data['数量'].apply(double_df)print(data_double)"""0 401 962 323 404 28225 16226 20107 15468 31309 235210 164811 160412 211413 2214Name: 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 pddata = pd.read_table("test.txt")def double_df(x): return 2 * xdata_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 1 401 1 3 5 962 2 4 1 323 2 4 3 404 3 5 1 28225 3 5 2 16226 3 5 3 20107 3 5 4 15468 3 5 5 31309 4 6 1 235210 4 6 2 164811 4 6 3 160412 4 6 4 211413 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 3.0001 0.6002 4.0003 1.3334 5.0005 2.5006 1.6677 1.2508 1.0009 6.00010 3.00011 2.00012 1.50013 1.200dtype: 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 3.0001 0.6002 4.0003 1.3334 5.0005 2.5006 1.6677 1.2508 1.0009 6.00010 3.00011 2.00012 1.50013 1.200dtype: 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。
亿速云「云服务器」，即开即用、新一代英特尔至强铂金CPU、三副本存储NVMe SSD云盘，价格低至29元/月。点击查看>>
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。
原文链接：https://my.oschina.net/alvinpy/blog/4392109
