国际新闻界官网,网站解析慢 优化,苏州外贸网站制作公司,手表网站制作目录
数据清洗和处理
1.处理缺失值
1.1 删除缺失值#xff1a;
1.2 填充缺失值#xff1a;
1.3 插值#xff1a;
2 数据类型转换
2.1 数据类型转换
2.2 日期和时间的转换#xff1a;
2.3 分类数据的转换#xff1a;
2.4 自定义数据类型的转换#xff1a;
3 数…目录
数据清洗和处理
1.处理缺失值
1.1 删除缺失值
1.2 填充缺失值
1.3 插值
2 数据类型转换
2.1 数据类型转换
2.2 日期和时间的转换
2.3 分类数据的转换
2.4 自定义数据类型的转换
3 数据去重
4 数据合并和连接 数据清洗和处理 在数据清洗和处理方面Pandas 提供了多种功能包括处理缺失值、数据类型转换、数据去重以及数据合并和连接。以下是这些功能的详细描述和示例
1.处理缺失值
在 Pandas 中处理缺失值有多种方法包括删除缺失值、填充缺失值和插值。
1.1 删除缺失值 删除缺失值是最简单的方法但有时会导致数据损失。您可以使用 dropna() 方法来删除包含缺失值的行或列。
1删除包含缺失值的行
import pandas as pddata {A: [1, 2, None, 4],B: [5, None, 7, 8]}
df pd.DataFrame(data)# 删除包含缺失值的行
df_cleaned df.dropna()
print(删除包含缺失值的行的结果:\n, df_cleaned)2删除包含缺失值的列
# 删除包含缺失值的列
df_cleaned_columns df.dropna(axis1)
print(删除包含缺失值的列的结果:\n, df_cleaned_columns)1.2 填充缺失值 填充缺失值是用特定值替代缺失值的方法。您可以使用 fillna() 方法来填充缺失值。
使用特定值填充缺失值
# 使用特定值填充缺失值
df_filled df.fillna(0) # 用 0 填充缺失值
print(使用特定值填充缺失值的结果:\n, df_filled)1.3 插值 插值是一种基于数据的方法根据已知数据点的值来估计缺失值。Pandas 提供了多种插值方法如线性插值、多项式插值等。
(1) 线性插值
线性插值使用已知数据点之间的线性关系来估计缺失值。这是一种简单而常见的插值方法。
import pandas as pddata {A: [1, 2, None, 4],B: [5, None, 7, 8]}
df pd.DataFrame(data)# 使用线性插值填充缺失值
df_interpolated df.interpolate()
print(使用线性插值填充缺失值的结果:\n, df_interpolated)(2) 多项式插值
多项式插值使用多项式函数来逼近已知数据点以估计缺失值。您可以指定多项式的阶数。
# 使用多项式插值填充缺失值阶数为2
df_poly_interpolated df.interpolate(methodpolynomial, order2)
print(使用多项式插值填充缺失值的结果:\n, df_poly_interpolated)(3) 时间序列插值
对于时间序列数据可以使用时间相关的插值方法例如时间线性插值。
# 创建一个带有时间索引的示例 DataFrame
data {A: [1, 2, None, 4],B: [5, None, 7, 8]}
dates pd.date_range(start2021-01-01, periodslen(data))
df_time_series pd.DataFrame(data, indexdates)# 使用时间线性插值填充缺失值
df_time_series_interpolated df_time_series.interpolate(methodtime)
print(使用时间线性插值填充缺失值的结果:\n, df_time_series_interpolated)2 数据类型转换 在 Pandas 中数据类型转换是将一列或多列的数据类型更改为其他数据类型的过程。数据类型的转换可以帮助您适应特定的分析需求或确保数据的一致性。以下是一些常见的数据类型转换操作以及示例
2.1 数据类型转换
使用 astype() 方法将一列的数据类型转换为其他数据类型如将整数列转换为浮点数列。使用 pd.to_numeric() 将列转换为数值类型例如整数或浮点数。
import pandas as pd# 创建示例 DataFrame
data {A: [1, 2, 3],B: [4, 5, 6]}
df pd.DataFrame(data)# 将列 A 从整数转换为浮点数
df[A] df[A].astype(float)# 将列 B 从字符串转换为整数
df[B] pd.to_numeric(df[B])print(df)DataFrame 中的数据类型转换
df.astype(dtype, copyTrue, errorsraise)dtype: 要将数据类型转换为的目标数据类型。可以是 NumPy 的数据类型如 np.float32或 Python 数据类型如 float 或 int。copy可选默认为 True指定是否返回副本True或修改原始 DataFrameFalse。errors可选默认为 raise指定如何处理转换错误。如果为 raise则会引发异常如果为 coerce则将无法转换的值设置为 NaN。 Series 中的数据类型转换
s.astype(dtype, copyTrue, errorsraise)import pandas as pd# 创建一个示例 DataFrame
data {A: [1, 2, 3],B: [4, 5, 6]}
df pd.DataFrame(data)# 将列 A 从整数转换为浮点数
df[A] df[A].astype(float)# 将列 B 从整数转换为字符串
df[B] df[B].astype(str)# 将列 C 从字符串转换为整数并处理转换错误设置无法转换的值为 NaN
df[C] pd.to_numeric(df[C], errorscoerce).astype(int)print(df.dtypes)上述示例中我们演示了如何使用 astype() 和 pd.to_numeric() 进行数据类型的转换包括整数转浮点数、整数转字符串以及字符串转整数并处理转换错误的情况。 2.2 日期和时间的转换
使用 pd.to_datetime() 将列转换为日期时间类型以便进行日期时间操作。
import pandas as pd# 创建示例 DataFrame
data {Date: [2021-01-01, 2021-01-02, 2021-01-03],Value: [10, 15, 20]}
df pd.DataFrame(data)# 将 Date 列从字符串转换为日期时间类型
df[Date] pd.to_datetime(df[Date])print(df.dtypes)2.3 分类数据的转换
使用 astype(category) 将列转换为分类数据类型适用于有限的离散值。
import pandas as pd# 创建示例 DataFrame
data {Category: [A, B, A, C]}
df pd.DataFrame(data)# 将 Category 列转换为分类数据类型
df[Category] df[Category].astype(category)print(df.dtypes)2.4 自定义数据类型的转换
您可以使用自定义函数来将数据转换为所需的数据类型例如使用 apply() 方法。
import pandas as pd# 创建示例 DataFrame
data {Numbers: [1, 2, 3, 4]}
df pd.DataFrame(data)# 自定义函数将字符串转换为整数并应用到 Numbers 列
df[Numbers] df[Numbers].apply(lambda x: int(x))print(df.dtypes)3 数据去重
在 Pandas 中您可以使用 drop_duplicates() 方法来删除重复的行。这个方法会返回一个新的 DataFrame其中不包含重复的行。以下是如何在 Pandas 中执行数据去重操作的示例
import pandas as pd# 创建示例 DataFrame
data {Name: [Alice, Bob, Alice, David, Bob],Age: [25, 30, 25, 40, 30]}
df pd.DataFrame(data)# 执行去重操作基于所有列
df_no_duplicates df.drop_duplicates()print(原始 DataFrame:)
print(df)print(\n去重后的 DataFrame:)
print(df_no_duplicates)上述示例中drop_duplicates() 方法将基于所有列的内容来去重。如果要基于特定列进行去重您可以通过传递 subset 参数来指定
# 基于 Name 列进行去重
df_no_duplicates_name df.drop_duplicates(subset[Name])print(基于 Name 列去重后的 DataFrame:)
print(df_no_duplicates_name)您还可以使用 keep 参数来控制保留哪一个重复值。例如keepfirst默认值将保留第一个出现的值而 keeplast 将保留最后一个出现的值
# 基于 Name 列进行去重保留最后一个出现的值
df_keep_last df.drop_duplicates(subset[Name], keeplast)print(基于 Name 列去重保留最后一个出现的值的 DataFrame:)
print(df_keep_last)这些示例演示了如何使用 Pandas 进行数据去重。根据您的需求您可以选择不同的去重方式。
4 数据合并和连接 在 Pandas 中您可以使用不同的方法进行数据合并和连接这通常用于将多个数据集组合在一起以进行分析。以下是一些常见的数据合并和连接操作以及示例
4.1 pd.concat() 用于将多个 DataFrame 沿指定轴通常是行轴或列轴堆叠在一起。pd.concat() 默认在行轴axis0上堆叠多个 DataFrame也就是沿着行方向将它们连接在一起。如果您想在列轴axis1上堆叠多个 DataFrame可以通过指定 axis 参数为1 来实现。
import pandas as pd# 创建两个示例 DataFrame
df1 pd.DataFrame({A: [A0, A1, A2],B: [B0, B1, B2]})df2 pd.DataFrame({A: [A3, A4, A5],B: [B3, B4, B5]})# 在行轴上堆叠两个 DataFrame
result1 pd.concat([df1, df2])# 在列轴上堆叠两个 DataFrame
result2 pd.concat([df1, df2], axis1)print(result1result2)输出 4.2 pd.merge()
用于基于一个或多个键列将两个 DataFrame 合并在一起类似于 SQL 的 JOIN 操作。
import pandas as pd# 创建两个示例 DataFrame
left pd.DataFrame({key: [K0, K1, K2],value_left: [V0, V1, V2]})right pd.DataFrame({key: [K1, K2, K3],value_right: [V3, V4, V5]})# 基于 key 列进行合并
result pd.merge(left, right, onkey)print(result)输出 4.3 df.join() 用于将两个 DataFrame 沿索引合并。
import pandas as pd# 创建两个示例 DataFrame
df1 pd.DataFrame({A: [A0, A1, A2],B: [B0, B1, B2]}, index[I0, I1, I2])df2 pd.DataFrame({C: [C0, C1, C2],D: [D0, D1, D2]}, index[I1, I2, I3])# 沿索引合并两个 DataFrame
result df1.join(df2)print(result)输出 这些是一些常见的数据合并和连接操作示例。根据您的需求您可以选择适当的方法来合并和连接数据集。 Pandas 提供了丰富的选项和参数以满足不同的合并和连接需求。
