使用Pandas怎么實現數據處理和數據清洗

使用Pandas怎么實現數據處理和數據清洗，很多新手對此不是很清楚，為了幫助大家解決這個難題，下面小編將為大家詳細講解，有這方面需求的人可以來學習下，希望你能有所收獲。

如下所示：

# -*-coding:utf-8-*-

from pandas import DataFrame
import pandas as pd
import numpy as np

"""
 獲取行列數據
"""
df = DataFrame(np.random.rand(4, 5), columns=['A', 'B', 'C', 'D', 'E'])
print df
print

df['col_sum'] = df.apply(lambda x: x.sum(), axis=1) # 橫向求和，axis=1表示橫向
df.loc['row_sum'] = df.apply(lambda x: x.sum()) # loc獲取一整列的數據，對一列數據進行求和

print df
print

dd = pd.DataFrame(np.arange(0, 60, 2).reshape(10, 3), columns=list('abc'))

# loc獲取一整列的數據
print dd
print
print dd.loc[0:len(dd), 'a']
print
print dd.loc[0:3, ['a', 'b']]
print
print dd.loc[[1, 5], ['b', 'c']]
print '--------------------------------------'

# iloc獲取某個位置的元素，或者某個區域的元素
print dd.iloc[1, 1]
print dd.iloc[0:3, [0, 1]]
print dd.iloc[[0, 3, 5], 0:2]
print '--------------------------------------'

"""
 去重函數 drop_duplicates()
"""
from pandas import Series, DataFrame

data = DataFrame({'k': [1, 1, 2, 2]})
print data
print type(data) # <class 'pandas.core.frame.DataFrame'>
print

isduplicates = data.duplicated() # duplicated()判斷是否是重復的項
print isduplicates
print type(isduplicates) # <class 'pandas.core.series.Series'>
print

data = data.drop_duplicates() # drop_duplicates()移除重復的項
print data
print type(data) # <class 'pandas.core.frame.DataFrame'>
print '-------------------------------------------------'

"""
 Pandas.DataFrame 讀取、合并、修改列數據、新增列、分組、分組數據計算
"""
import numpy as np
import pandas as pd
from pandas import Series, DataFrame
from datetime import timedelta, datetime
from dateutil.parser import parse

"""
 讀寫csv文件
"""
# 讀取csv文件
df = pd.read_csv('data_english.csv', encoding='gbk')
# print df
print type(df) # <class 'pandas.core.frame.DataFrame'>
print df.columns # 所有列的標簽
print df.index # 所有行的標簽
print df.book_id # 選擇某一列，可以使用df.book_id ，也可以使用df['book_id']
print type(df.book_id) # <class 'pandas.core.series.Series'>
print np.array(df.book_id) # 將Series轉換為numpy的darray格式
print '---------------------------------------------------------'

# 寫入csv文件
# df.to_csv('dat.csv', index=False, encoding='gbk') # index=False表示不把index寫入文件

"""
 行列的選取
"""
print df.read_name # 選擇一列
print df[:3] # 選擇前3行
print df.loc[:, ('read_num', 'read_name')] # df.loc[行標簽，列標簽]
print df.iloc[2, 4] # df.iloc[行位置，列位置]
print df.ix[2, 4] # df.ix[行位置或行標簽，列位置或列標簽]

# bool判斷
print df[df.read_name == u'山問萍'].head() # 獲取符合條件的行列
print df[(df.read_name == u'山問萍') & (df.book == u'植物生理學實驗教程')] # 多個條件
print '----------------------------------------------'

"""
 兩個df相merge
"""
# pd.concat([df1, df2]) # 兩個df的column都一樣，index不重復（增加列）
# pd.concat([df1, df2], axis=1) # 兩個df的index都一樣，column不重復（增加行）

"""
 增加列，刪除列，重命名某一列
"""
# df['new_col'] = xxx # 直接增加一列，加到最后一列
# df.insert[1, 'new_col'] # 使用df.insert 插入一列，可以設置這一列的位置
# del df['one_col'] # 直接使用del進行刪除，刪除某一列
# df = df.rename(columns={'old_name': 'new_name'}) # 重命名某一列
# df = df.rename(columns={'old_name': 'new_name'}, inplace=True)
# print '--------------------------------------------------------'

"""
 apply(): 對dataframe的內容進行批量處理，比循環更快
 map(),
 agg()：對分組的結果再分別進行不同的操作
"""

"""
 數據合并
"""
import numpy as np
import pandas as pd

data1 = pd.DataFrame({'level': ['a', 'b', 'c', 'd'], 'number': [1, 3, 5, 7]})
data2 = pd.DataFrame({'level': ['a', 'b', 'c', 'e'], 'number': [2, 3, 4, 5]})
print data1
print data2
print pd.merge(data1, data2, on='level') # 合并，內連接

data3 = pd.DataFrame({'level1': ['a', 'b', 'c', 'd'], 'number': [1, 3, 5, 7]})
data4 = pd.DataFrame({'level2': ['a', 'b', 'c', 'e'], 'number': [2, 3, 4, 5]})
print pd.merge(data3, data4, left_on='level1', right_on='level2')
print pd.merge(data3, data4, left_on='level1', right_on='level2', how='left')
print '----------------------------------------'
"""
 merge參數說明：
  left和right:兩個不同的DataFrame
  how:合并的方式-->inner內連接，right右連接，left左連接，outer外連接，默認為inner
  on:用于連接的列索引名稱，必須存在于兩個DataFrame對象中
  left_on:
  right_on:
  left_index:
  right_index:
  sort:默認為True,將合并的數據進行排序
  suffixes:當列名相同時，合并后，自動添加后綴名稱，默認為(_x, _y)
  copy:默認為True，復制數據結構
  indicator:
"""

"""
 重疊數據合并
"""
data3 = pd.DataFrame({'level': ['a', 'b', 'c', 'd'], 'number1': [1, 3, 5, np.nan]})
data4 = pd.DataFrame({'level': ['a', 'b', 'c', 'e'], 'number2': [2, np.nan, 4, 5]})
print data3.combine_first(data4) # 相同標簽下的內容優先顯示data3的內容，如果某個數據缺失，就用另外一個數據補上

"""
 數據重塑和軸向旋轉
 數據重塑：reshape()
 軸向旋轉：unstack(),stack()
"""
data = pd.DataFrame(np.arange(12).reshape(3, 4), columns=['a', 'b', 'c', 'd'], index=['wang', 'li', 'zhang'])
print data
print data.unstack() # 軸向旋轉
print '---------------------------------'

"""
 數據轉換
"""
data = pd.DataFrame({'a': [1, 3, 3, 4], 'b': [1, 3, 3, 5]})
print data
print data.duplicated() # 判斷是否重復行
print data.drop_duplicates() # 去除重復行

"""
 替換值
"""
data = pd.DataFrame({'a': [1, 3, 3, 4], 'b': [1, 3, 3, 5]})
print data.replace(1, 2) # 凡是數據1，全部替換成數據2
print data.replace([1, 4], np.nan) # 凡是數據1，4，全部替換成np.nan

"""
 數據分段
"""
data = [11, 15, 18, 20, 25, 26, 27, 24]
bins = [15, 20, 25]
print data
print pd.cut(data, bins)

看完上述內容是否對您有幫助呢？如果還想對相關知識有進一步的了解或閱讀更多相關文章，請關注億速云行業資訊頻道，感謝您對億速云的支持。