数据科学库笔记（四）pandas

其他 2021-11-28 01:18:27 阅读次数: 0

文章目录

（一）什么是pandas

pandas is an open source, BSD-licensed library providing high-performance, easy-to-use data structures and data analysis tools for the Python programming language.

(二) pandas安装

2.1 直接命令安装

  	 pip install pandas

这种安装可能会安装不成功。

2.2 下载pipy文件安装

	whl文件下载：pandas-1.3.0-cp38-cp38-win_amd64.whl

安装可以参照我之前写的：Python下载并安装第三方库（cvxpy）链接如下：
https://blog.csdn.net/weixin_54546190/article/details/119056938

     压缩文件下载：pandas-1.3.0.tar.gz

先把这个安装包解压，在看解压的文件夹中是否有setup.py文件。
法一：

  1. 打开cmd
  2. 进入安装目录（这个本人在Windows系统下，也不知如何进入下载setup.py的目录）
  3. python setup.py build（对setup.py编译）
  4. python setuo.py install

法二：
5. 直接进入setup.py的下载目录中，在空白处点击Shift键，再右击鼠标，点击进入在此处打开powershell命令(s)，这样等于法一的1、2两步。在执行3、4两步即可。
6. python setup.py build（对setup.py编译）
7. python setuo.py install

（三）pandas的常用数据类型

3.1 pandas之Series创建

Series 一维，带标签数组
通过下面的六种代码输出，你就能清楚理解Series

import string
import numpy as np
import pandas as pd
  • 一
idex_ar_1 = pd.Series([1,2,31,12,3,4])
print(type(idex_ar_1))
print("*************")
print(idex_ar_1)

OUT:

<class 'pandas.core.series.Series'>
*************
0     1
1     2
2    31
3    12
4     3
5     4
dtype: int64
  • 二
idex_ar_2 = pd.Series([1,2,31,12,3,4],index=list('abcdef'))
print('\n')
print(type(idex_ar_2))
print("*************")
print(idex_ar_2)

OUT:

<class 'pandas.core.series.Series'>
*************
a     1
b     2
c    31
d    12
e     3
f     4
dtype: int64
  • 三
idex_ar_3 = pd.Series(np.arange(8),index=list(string.ascii_letters[:8]))
   ##  string.ascii_letters[:8]指索引从 a 到 h
print('\n')
print(type(idex_ar_3))
print("*************")
print(idex_ar_3)

OUT:

<class 'pandas.core.series.Series'>
*************
a    0
b    1
c    2
d    3
e    4
f    5
g    6
h    7
dtype: int32
  • 四
idex_ar_4 = pd.Series(np.arange(7),index=list(string.ascii_letters[5:12]))
   ### string.ascii_letters[5:12]指索引从 f 到 l
print('\n')
print(type(idex_ar_4))
print("*************")
print(idex_ar_4)

OUT:

<class 'pandas.core.series.Series'>
*************
f    0
g    1
h    2
i    3
j    4
k    5
l    6
dtype: int32
  • 五
idex_ar_5 = pd.Series(idex_ar_3,index=list(string.ascii_letters[5:12]))
   ## 重新给其 idex_ar_3 定义索引之后，如果能够对应上，就取其值，如果不能，多余的索引就会显示 Nan
print('\n')
print(idex_ar_5)

OUT:

f    5.0
g    6.0
h    7.0
i    NaN
j    NaN
k    NaN
l    NaN
dtype: float64
  • 六
print("\n我们可以用字典创建Seires")
t1 = {
    
    "name":"源仔","age":24,"tel":1008611}
T1 = pd.Series(t1)
print(T1)
print(type(T1))

OUT:

我们可以用字典创建Seires
name         源仔
age          24
tel     1008611
dtype: object
<class 'pandas.core.series.Series'>

3.2 pandas之Series切片和索引

在这里插入图片描述在这里插入图片描述在这里插入图片描述
补充：

print("\n补充")
print(T1)
print(len(T1.index))
print('**************************')
print(list(T1.index))
print('**************************')
print(list(T1.index)[:2])
print('**************************')
print(type(T1.values))

OUT:

补充
name         源仔
age          24
tel     1008611
dtype: object
3
**************************
['name', 'age', 'tel']
**************************
['name', 'age']
**************************
<class 'numpy.ndarray'>

3.3 Series的其他方法

我们可以百度查看啊，比如：pandas.Series.where
链接：
https://pandas.pydata.org/pandasdocs/stable/reference/api/pandas.Series.where.html在这里插入图片描述
或直接百度：pandas.Series
链接：
https://pandas.pydata.org/pandasdocs/stable/reference/api/pandas.Series.html
在这里插入图片描述

（四）pandas之读取外部数据

4.1 读取csv文件

dogNames2.csv文件 链接：https://pan.baidu.com/s/1M6ETlxqEo2jl3g2wjixm_Q
提取码：qaqx

# coding=utf-8
import pandas as pd
from pymongo import MongoClient

# pandas读取csv中的文件
df = pd.read_csv("D:/拜师教育/课程资料/数据结构基础/第二章：数据科学库基础/14100_HM数据科学库课件/DataAnalysis-master/day04/dogNames2.csv")
print(df)

OUT:

0         RENNY                 1
1        DEEDEE                 2
2     GLADIATOR                 1
3        NESTLE                 1
4          NYKE                 1
...         ...               ...
4159    ALEXXEE                 1
4160  HOLLYWOOD                 1
4161      JANGO                 2
4162  SUSHI MAE                 1
4163      GHOST                 3

[4164 rows x 2 columns]

4.2 读取mysql或者mongodb文件

1.

# 读取mysql文件
pd.read_sql(sql_sentence,connection)

2. 那么，mongodb呢？

# coding=utf-8
import pandas as pd
from pymongo import MongoClient

client = MongoClient()
collection = client["douban"]["tv1"]
data = list(collection.find())

t1 = data[0]
t1 = pd.Series(t1)

print(t1)

OUT:
在这里插入图片描述
为什么报错呢！

  • 安装pymongo不代表MongoDB数据库安装好了，这两个是分开安装的。

  1. pymongo安装
    直接在命令提示符窗口输入：pip install pymongo即可.

  2. MongoDB数据库安装
    这里转载别人的链接：https://blog.csdn.net/weixin_43876186/article/details/108702940

4.3 pandas之DataFrame

4.3.1 pd.dataFrame()的用法

  • 如何编写
pd.DataFrame(np.arange().reshape(,))
  • 代码
import pandas as pd
import numpy as np

t1 = pd.DataFrame(np.arange(12).reshape(3,4))
print(t1)

t2 = pd.DataFrame(np.arange(12).reshape(3,4),index=list("abc"),columns=list("WXYZ"))
print("\n")
print(t2)

OUT：

 0  1   2   3
0  0  1   2   3
1  4  5   6   7
2  8  9  10  11


   W  X   Y   Z
a  0  1   2   3
b  4  5   6   7
c  8  9  10  11
  • 如何用字典表示DataFrame
d1 = {
    
    "name":["源仔","总统"],"age":["10086","10010"],}
t3 = pd.DataFrame(d1)
print("\n")
print(d1)
print(t3)
print(type(t3))

d2 = [{
    
    "name":"ziaoming","age":"24","tel":"11000"},{
    
    "name":"源仔","tel":"11070"},{
    
    "name":"ling","age":"4","tel":"4500"}]
t4 = pd.DataFrame(d2)
print("\n")
print(d2)
print(t4)

OUT:`

{'name': ['源仔', '总统'], 'age': ['10086', '10010']}
  name    age
0   源仔  10086
1   总统  10010
<class 'pandas.core.frame.DataFrame'>


[{'name': 'ziaoming', 'age': '24', 'tel': '11000'}, {'name': '源仔', 'tel': '11070'}, {'name': 'ling', 'age': '4', 'tel': '4500'}]
       name  age    tel
0  ziaoming   24  11000
1        源仔  NaN  11070
2      ling    4   4500

##DataFrame的基础属性在这里插入图片描述

  • DataFrame的基础属性
import numpy as np
import pandas as pd

d2 = [{
    
    "name":"ziaoming","age":"24","tel":"11000"},{
    
    "name":"源仔","tel":"11070"},{
    
    "name":"ling","age":"4","tel":"4500"}]
t2 = pd.DataFrame(d2)
print(t2)
print("*************************")
print(t2.index)
print("*************************")
print(t2.columns)
print("*************************")
print(t2.values)
print("*************************")
print(t2.shape)
print("*************************")
print(t2.dtypes)

OUT：

 name  age    tel
0  ziaoming   24  11000
1        源仔  NaN  11070
2      ling    4   4500
*************************
RangeIndex(start=0, stop=3, step=1)
*************************
Index(['name', 'age', 'tel'], dtype='object')
*************************
[['ziaoming' '24' '11000']
 ['源仔' nan '11070']
 ['ling' '4' '4500']]
*************************
(3, 3)
*************************
name    object
age     object
tel     object
dtype: object
  • DtataFrame整体情况调查
print("\n")
print(t2.head(1)) # 取头一行
print("*"*15)
print(t2.tail(2)) # 取后两行
print("\n")
print(t2.info())

OUT：

name age    tel
0  ziaoming  24  11000
***************
   name  age    tel
1    源仔  NaN  11070
2  ling    4   4500


<class 'pandas.core.frame.DataFrame'>
RangeIndex: 3 entries, 0 to 2
Data columns (total 3 columns):
 #   Column  Non-Null Count  Dtype 
---  ------  --------------  ----- 
 0   name    3 non-null      object
 1   age     2 non-null      object
 2   tel     3 non-null      object
dtypes: object(3)
memory usage: 200.0+ bytes
None

4.3.2 d_names.sort_values()的排序的方法

dogNames2.csv文件 链接：https://pan.baidu.com/s/1M6ETlxqEo2jl3g2wjixm_Q
提取码：qaqx

d_names.sort_values(by="Count_AnimalName",ascending=False)
                         ## by="Count_AnimalName"按照Count_AnimalName这一列进行排序
                         ## ascending=False：降序排列。ascending=True:升序排列。不写默认为升序。

import numpy as np
import pandas as pd

d_names = pd.read_csv("D:/拜师教育/课程资料/数据结构基础/第二章：数据科学库基础/14100_HM数据科学库课件/DataAnalysis-master/day04/dogNames2.csv")

print(d_names.head()) # 默认为前5个
print("%"*50)
print(d_names.info())

# dataFrame中排序方法
print('\n')
print("*"*50)
d1 = d_names.sort_values(by="Count_AnimalName",ascending=False)
                         ## by="Count_AnimalName"按照Count_AnimalName这一列进行排序
                         ## ascending=False：降序排列。ascending=True:升序排列。不写默认为升序。
print(d1)
print("%"*50)
print(d1.tail(10))  # 输出最后十个
print("%"*50)
prnt(d1.head(5))   # 输出前五个

OUT：

Row_Labels  Count_AnimalName
0      RENNY                 1
1     DEEDEE                 2
2  GLADIATOR                 1
3     NESTLE                 1
4       NYKE                 1
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 4164 entries, 0 to 4163
Data columns (total 2 columns):
 #   Column            Non-Null Count  Dtype 
---  ------            --------------  ----- 
 0   Row_Labels        4164 non-null   object
 1   Count_AnimalName  4164 non-null   int64 
dtypes: int64(1), object(1)
memory usage: 65.2+ KB
None


**************************************************
     Row_Labels  Count_AnimalName
858       BELLA               112
4134        MAX                82
3273       LUCY                82
843       BUDDY                79
433       SADIE                77
...         ...               ...
1654  RUBY ROSE                 1
1655    MOO MOO                 1
1656      KYLIE                 1
1657       JEEP                 1
2082      ANIOT                 1

[4164 rows x 2 columns]
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
       Row_Labels  Count_AnimalName
1643        T. C.                 1
1646       BERAND                 1
1649     CHAUNCEY                 1
1650  BELLA MARIE                 1
1653       VIVIAN                 1
1654    RUBY ROSE                 1
1655      MOO MOO                 1
1656        KYLIE                 1
1657         JEEP                 1
2082        ANIOT                 1
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
     Row_Labels  Count_AnimalName
858       BELLA               112
4134        MAX                82
3273       LUCY                82
843       BUDDY                79
433       SADIE                77

（五）pandas 的常用小知识点

5.1 切片在DataFrame中的用法

d1[:10]["Row_Labels"]
     # 取Row_Labels这一标签列的0到10行

实例如下：

import numpy as np
import pandas as pd

d_names = pd.read_csv("D:/拜师教育/课程资料/数据结构基础/第二章：数据科学库基础/14100_HM数据科学库课件/DataAnalysis-master/day04/dogNames2.csv")
d1 = d_names.sort_values(by="Count_AnimalName",ascending=False)
print(d1[:10])
print("%"*50)
print(d1[:10]["Row_Labels"])
print("%"*50)
print(type(d1[:10]["Row_Labels"]))
        # 因为只取Row_Labels一列，所以是<class 'pandas.core.series.Series'

5.2 pandas之.lic和.iloc

  • .loc 通过标签索引行数据
  • .iloc 通过位置获取行数据
    一定注意图片中的红色字体：
    在这里插入图片描述在这里插入图片描述

5.3 pandas赋值更改数据

在这里插入图片描述

5.4 pandas之布尔索引

# coding=utf-8
import pandas as pd
from pymongo import MongoClient

# pandas读取csv中的文件
df = pd.read_csv("D:/拜师教育/课程资料/数据结构基础/第二章：数据科学库基础/14100_HM数据科学库课件/DataAnalysis-master/day04/dogNames2.csv")

# 取Count_AnimalName索引小于20的
print(df[df["Count_AnimalName"]<20])   

print("%"*50)

# 取Count_AnimalName索引大于18小于20的
print(df[(18<df["Count_AnimalName"])&(df["Count_AnimalName"]<20)])  # 符号&：表示与

OUT:

 Row_Labels  Count_AnimalName
0         RENNY                 1
1        DEEDEE                 2
2     GLADIATOR                 1
3        NESTLE                 1
4          NYKE                 1
...         ...               ...
4159    ALEXXEE                 1
4160  HOLLYWOOD                 1
4161      JANGO                 2
4162  SUSHI MAE                 1
4163      GHOST                 3

[4087 rows x 2 columns]
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
     Row_Labels  Count_AnimalName
714     WINSTON                19
868       KATIE                19
886       SUGAR                19
994        NALA                19
1391   PRINCESS                19
1985     RANGER                19
3147       MILO                19
3943     MINNIE                19
4025       ZEUS                19

回到之前狗的名字的问题上，假如我们想找到所有的使用次数超过700并且名字的字符串的长度大于4的狗的名字，应该怎么选择？
在这里插入图片描述
回到之前狗的名字的问题上，假如我们想找到所有的使用次数超过700并且名字的字符串的长度大于4的狗的名字，应该怎么选择？
在这里插入图片描述

5.5 pandas之字符串方法

在这里插入图片描述

5.6 pandas缺失数据的处理

  1. 我们的数据缺失通常有两种情况：
  • 一种就是空，None等，在pandas是NaN(和np.nan一样)
  • 另一种是我们让其为0，蓝色框中
    在这里插入图片描述
  1. 对于NaN的数据
  • 判断数据是否为NaN：pd.isnull(df),pd.notnull(df)

pd.isnull(df)判断当前数据中是否有NaN，有为True，否则为False

Pandas dataframe.notnull()功能检测 DataFrame 中的现有/非缺失值。该函数返回一个布尔对象，其大小与其所应用的对象的大小相同，指示每个单独的值是否为na是否有价值。所有非缺失值都映射为true，而缺失值则映射为false。

import numpy as np
import pandas as pd

d2 = [{
    
    "name":"ziaoming","age":"24","tel":"11000"},{
    
    "name":"源仔","tel":"11070"},{
    
    "name":"ling","age":"4","tel":"4500"}]
t2 = pd.DataFrame(d2)
print(t2)

print("%"*50)
# 判断当前数据中是否有NaN，有为True，否则为False
T2 = pd.isnull(t2)
print(T2)

print("%"*50)
T3 = pd.notnull(t2)
print(T3)

print("%"*50)
print(pd.notnull(t2))

OUT:

  name  age    tel
0  ziaoming   24  11000
1        源仔  NaN  11070
2      ling    4   4500
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
    name    age    tel
0  False  False  False
1  False   True  False
2  False  False  False
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
   name    age   tel
0  True   True  True
1  True  False  True
2  True   True  True
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
   name    age   tel
0  True   True  True
1  True  False  True
2  True   True  True

print(t2)
print("%"*50)
# 取只要name这一列没有NaN，就都能取得
T4 = t2[pd.notnull(t2["name"])]
print(T4)

print("%"*50)
# age这一列第二行含有NaN,所以取不到第二行
T5 = t2[pd.notnull(t2["age"])]
print(T5)

OUT:

  name  age    tel
0  ziaoming   24  11000
1        源仔  NaN  11070
2      ling    4   4500
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
       name  age    tel
0  ziaoming   24  11000
1        源仔  NaN  11070
2      ling    4   4500
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
       name age    tel
0  ziaoming  24  11000
2      ling   4   4500
  • 处理方式1：删除NaN所在的行列dropna(axis=0, how='any', thresh=None, subset=None, inplace=False)

  1. axis：轴。0或’index’，表示按行删除；1或’columns’，表示按列删除。

  2. how：筛选方式。‘any’，表示该行/列只要有一个以上的空值，就删除该行/列；‘all’，表示该行/列全部都为空值，就删除该行/列。

  3. thresh：非空元素最低数量。int型，默认为None。如果该行/列中，非空元素数量小于这个值，就删除该行/列。

  4. subset：子集。列表，元素为行或者列的索引。如果axis=0或者‘index’，subset中元素为列的索引；如果axis=1或者‘column’，subset中元素为行的索引。由subset限制的子区域，是判断是否删除该行/列的条件判断区域。

  5. inplace：是否原地替换。布尔值，默认为False。如果为True，则在原DataFrame上进行操作，返回值为None。

  6. 具体可查看转载：https://blog.csdn.net/qq_17753903/article/details/89817371

print(t2)
T5 = t2.dropna(axis=0,how="any")
print("%"*50)
print(T5)
T6 = t2.dropna(axis=0,how="all")
print("%"*50)
print(T6)
T7 = t2.dropna(axis=0,how="any",inplace=True)
print("%"*50)
print(T7)

OUT：

  name  age    tel
0  ziaoming   24  11000
1        源仔  NaN  11070
2      ling    4   4500
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
       name age    tel
0  ziaoming  24  11000
2      ling   4   4500
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
       name  age    tel
0  ziaoming   24  11000
1        源仔  NaN  11070
2      ling    4   4500
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
None
  • 处理方式2：填充数据 ; t.fillna(t.mean()) ; t.fiallna(t.median()) ; t.fillna(0)

1. t.fillna(3) 把所有NaN填充为3.

import numpy as np
import pandas as pd

d2 = [{
    
    "name":"yanzai","age":20.0,'tel':np.nan},{
    
    "name":"ziaoming","age":24.0,"tel":176.0},{
    
    "name":"ling","age":30.0,"tel":170.0}]
t2 = pd.DataFrame(d2)
print(t2)

# 填充NaN
T3 = t2.fillna(3)   # 填充NaN为3
print("%"*40)
print(T3)

OUT：

  name   age    tel
0    yanzai  20.0    NaN
1  ziaoming  24.0  176.0
2      ling  30.0  170.0
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
       name   age    tel
0    yanzai  20.0    3.0
1  ziaoming  24.0  176.0
2      ling  30.0  170.0

2. t.fillna(t.mean())
❤️. 对Dataframe取平均值，用平均值填充NaN

a = pd.DataFrame([{
    
    'name':'a','h':180,'w':10066},{
    
    'name':'b','h':np.nan,'w':10666},{
    
    'name':'c','h':160,'w':10086}])
a = a.fillna(a.mean())
print("%"*40)
print(a)

OUT:

name      h      w
0    a  180.0  10066
1    b  170.0  10666
2    c  160.0  10086

❤️.指定取哪一列的平均数
b = a["h"].fillna(t2["age"].mean())

# 指定取哪一列的平均数
b = a["h"].fillna(t2["age"].mean())
print("%"*40)
print(b)

# 把指定一列的平均数重新付给a，相当于a = a.fillna(a.mean())的结果
a["age"] = b
print("%"*40)
print(a)

OUT:

0    180.0
1    170.0
2    160.0
Name: h, dtype: float64
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
  name      h      w    age
0    a  180.0  10066  180.0
1    b  170.0  10666  170.0
2    c  160.0  10086  160.0

❤️. pandas和Numpy求均值的区别

a["age"][1] = np.nan
print("\n")
print("%"*40)
print(a)
# pandas和Numpy求均值的区别
print(a["age"].mean())
     # 可以看出pandas算均值时，不会把NaN加入，但是Numpy只要含有NaN,结果肯定为NaN。

OUT：

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
  name      h      w    age
0    a  180.0  10066  180.0
1    b  170.0  10666    NaN
2    c  160.0  10086  160.0

170.0
  • 处理为0的数据：t[t==0]=np.nan,当然并不是每次为0的数据都需要处理
    计算平均值等情况，nan是不参与计算的，但是0会

（六）pandas常用统计方法

6.1 实例

假设现在我们有一组从2006年到2016年1000部最流行的电影数据，我们想知道这些电影数据中评分的平均分，导演的人数等信息，我们应该怎么获取？
数据来源于：https://www.kaggle.com/damianpanek/sunday-eda/data
百度网盘链接：https://pan.baidu.com/s/1vD7VH3EnMpRIQj_PtnPF-g
提取码：4n8q

  • 先查看一下数据集：
#coding = uft-8
import pandas as pd

file_path = "datasets_IMDB-Movie-Data.csv"
df = pd.read_csv(file_path)

print(df.info())
print("$"*70)
print(df.head(1))

OUT:

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 1000 entries, 0 to 999
Data columns (total 12 columns):
 #   Column              Non-Null Count  Dtype  
---  ------              --------------  -----  
 0   Rank                1000 non-null   int64  
 1   Title               1000 non-null   object 
 2   Genre               1000 non-null   object 
 3   Description         1000 non-null   object 
 4   Director            1000 non-null   object 
 5   Actors              1000 non-null   object 
 6   Year                1000 non-null   int64  
 7   Runtime (Minutes)   1000 non-null   int64  
 8   Rating              1000 non-null   float64
 9   Votes               1000 non-null   int64  
 10  Revenue (Millions)  872 non-null    float64
 11  Metascore           936 non-null    float64
dtypes: float64(3), int64(4), object(5)
memory usage: 93.9+ KB
None
$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$
   Rank                    Title  ... Revenue (Millions) Metascore
0     1  Guardians of the Galaxy  ...             333.13      76.0

[1 rows x 12 columns]
  • 由题目知：我们想知道这些电影数据中评分的平均分
    那就是求 Rating 的平均数：
  1. 方法一：len(set(df[].tolist()))
  2. 方法二：len(df[].unique())
# 获取平均评分
print("\n获取平均评分")
print(df["Rating"].mean())

# 获取导演的人数
print("\n获取导演的人数")
print(len(set(df["Director"].tolist())))

# 获取导演的人数。方法二
print("\n获取导演的人数。方法二")
#print(df["Director"].unique()) # 这是获取导演的名字，并以列表形式填充出来
print(len(df["Director"].unique()))

OUT

获取平均评分
6.723200000000003

获取导演的人数
644

获取导演的人数。方法二
644

# 获取所有演员的人数
temp_actors_list = df["Actors"].str.split(",").tolist()
             # str.split(",")：表示字符串之间用逗号进行切割
             # tolist()指以列表形式呈现
actors_list = [i for j in temp_actors_list for i in j]
actors_nums = len(set(actors_list))
print("\n获取所有演员的人数")
print(actors_nums)

OUT:

获取所有演员的人数
2394

在这里插入图片描述

6.2 解释一下上面一些代码的含义

猜你喜欢

转载自blog.csdn.net/weixin_54546190/article/details/119063788
今日推荐
TIOBE 5 月榜单：Fortran “复活”进入 Top 10
GCC 14.1 发布
面壁智能发布 Eurux-8x22B 开源大模型 —— 堪称「理科状元」
开源日报 | 谷歌扶持鸿蒙上位；开源Rabbit R1；Docker加持的安卓手机；微软的焦虑和野心；海尔电器把开放平台关了
中国码农的“35岁魔咒”
蘭雅 CorelDRAW 插件 2024.5.1 国际劳动节版，免费下载
Arc Browser for Windows 1.0 正式 GA
90后程序员开发视频搬运软件、不到一年获利超 700 万，结局很刑！
周排行
Java自定义时间格式
同步整形电路
在开发中最最最常用的字符串的属性大集合
Linux 查看端口占用并杀掉
Java基础四：ArrayList
多线程之死锁就是这么简单
mysql 基础命令集
awk 命令详解
Centos6.3编译安装nginx+php步骤
OCR （Optical Character Recognition，光学字符识别）
每日归档
更多
2024-05-08(42)
2024-05-07(14)
2024-05-06(40)
2024-05-05(0)
2024-05-04(7)
2024-05-03(19)
2024-05-02(0)
2024-05-01(4)
2024-04-30(1)
2024-04-29(40)

代码天地 © 2018 codetd.com

境外服务器   最新电视剧2022