Notas de estudo de Python, dia 58 (funções comuns do Pandas)

Funções comuns do Pandas

A seguir listamos algumas funções comumente usadas e exemplos de uso do Pandas:

Ler dados

função	ilustrar
pd.read_csv(nome do arquivo)	Leia arquivos CSV;
pd.read_excel(nome do arquivo)	Ler arquivos Excel;
pd.read_sql(consulta, objeto_de_conexão)	Ler dados do banco de dados SQL;
pd.read_json(json_string)	Ler dados da string JSON;
pd.read_html(url)	Leia dados de páginas HTML.

A seguir, demonstramos o uso de cada função.

# 实例 1
import pandas as pd

# 从 CSV 文件中读取数据
df = pd.read_csv('data.csv')

# 从 Excel 文件中读取数据
df = pd.read_excel('data.xlsx')

# 从 SQL 数据库中读取数据
import sqlite3
conn = sqlite3.connect('database.db')
df = pd.read_sql('SELECT * FROM table_name', conn)

# 从 JSON 字符串中读取数据
json_string = '{"name": "John", "age": 30, "city": "New York"}'
df = pd.read_json(json_string)

# 从 HTML 页面中读取数据
url = 'https://www.runoob.com'
dfs = pd.read_html(url)
df = dfs[0] # 选择第一个数据框

Ver dados

função	ilustrar
df.head(n)	Exiba as primeiras n linhas de dados;
df.cauda(n)	Exiba as últimas n linhas de dados;
df.info()	Exibir informações de dados, incluindo nomes de colunas, tipos de dados, valores ausentes, etc.;
df.describe()	Exibir informações estatísticas básicas de dados, incluindo média, variância, valor máximo, valor mínimo, etc.;
df.forma	Exibe o número de linhas e colunas de dados.

A seguir, demonstramos o uso de cada função.

# 实例 2
# 显示前五行数据
df.head()

# 显示后五行数据
df.tail()

# 显示数据信息
df.info()

# 显示基本统计信息
df.describe()

# 显示数据的行数和列数
df.shape

# 实例 3
import pandas as pd

data = [
    {
    
    "name": "Google", "likes": 25, "url": "https://www.google.com"},
    {
    
    "name": "Runoob", "likes": 30, "url": "https://www.runoob.com"},
    {
    
    "name": "Taobao", "likes": 35, "url": "https://www.taobao.com"}
]

df = pd.DataFrame(data)
# 显示前两行数据
print(df.head(2))
# 显示前最后一行数据
print(df.tail(1))

Limpeza de dados

função	ilustrar
df.dropna()	Exclua linhas ou colunas contendo valores ausentes;
df.fillna(valor)	Substitua os valores ausentes por valores especificados;
df.replace(valor_antigo, valor_novo)	Substitua o valor especificado por um novo valor;
df.duplicado()	Verifique se há dados duplicados;
df.drop_duplicates()	Remova dados duplicados.

A seguir, demonstramos o uso de cada função.

# 实例 4
# 删除包含缺失值的行或列
df.dropna()

# 将缺失值替换为指定的值
df.fillna(0)

# 将指定值替换为新值
df.replace('old_value', 'new_value')

# 检查是否有重复的数据
df.duplicated()

# 删除重复的数据
df.drop_duplicates()

Seleção e fatiamento de dados

função	ilustrar
df[nome_coluna]	Selecione a coluna especificada;
df.loc[row_index, column_name]	Selecione os dados por tag;
df.iloc[row_index, column_index]	Selecione dados por localização;
df.ix[row_index, column_name]	Selecione os dados por rótulo ou localização;
df.filter(items=[nome_coluna1, nome_coluna2])	Selecione a coluna especificada;
df.filter(regex='regex')	Selecione colunas cujos nomes de coluna correspondam à expressão regular;
df.amostra(n)	Selecione aleatoriamente n linhas de dados.

A seguir, demonstramos o uso de cada função.

# 实例 5
# 选择指定的列
df['column_name']

# 通过标签选择数据
df.loc[row_index, column_name]

# 通过位置选择数据
df.iloc[row_index, column_index]

# 通过标签或位置选择数据
df.ix[row_index, column_name]

# 选择指定的列
df.filter(items=['column_name1', 'column_name2'])

# 选择列名匹配正则表达式的列
df.filter(regex='regex')

# 随机选择 n 行数据
df.sample(n=5)

classificação de dados

função	ilustrar
df.sort_values(nome_coluna)	Classifique pelo valor da coluna especificada;
df.sort_values([nome_coluna1, nome_coluna2], ascendente=[Verdadeiro, Falso])	Classifique pelos valores de múltiplas colunas;
df.sort_index()	Classifique por índice.

A seguir, demonstramos o uso de cada função.

# 实例 6
# 按照指定列的值排序
df.sort_values('column_name')

# 按照多个列的值排序
df.sort_values(['column_name1', 'column_name2'], ascending=[True, False])

# 按照索引排序
df.sort_index()
数据分组和聚合
函数	说明
df.groupby(column_name)	按照指定列进行分组；
df.aggregate(function_name)	对分组后的数据进行聚合操作；
df.pivot_table(values, index, columns, aggfunc)	生成透视表。

# 实例 7
# 按照指定列进行分组
df.groupby('column_name')

# 对分组后的数据进行聚合操作
df.aggregate('function_name')

# 生成透视表
df.pivot_table(values='value', index='index_column', columns='column_name', aggfunc='function_name')

mesclagem de dados

função	ilustrar
pd.concat([df1, df2])	Mesclar vários quadros de dados de acordo com linhas ou colunas;
pd.merge(df1, df2, on=column_name)	Mescla dois quadros de dados com base em colunas especificadas.

A seguir, demonstramos o uso de cada função.

# 实例 8
# 将多个数据框按照行或列进行合并
df = pd.concat([df1, df2])

# 按照指定列将两个数据框进行合并
df = pd.merge(df1, df2, on='column_name')

Seleção e filtragem de dados

função	ilustrar
df.loc[row_indexer, column_indexer]	Selecione linhas e colunas por rótulo.
df.iloc[row_indexer, column_indexer]	Selecione linhas e colunas por posição.
df[df['nome_coluna'] > valor]	Selecione linhas em uma coluna que atendam aos critérios.
df.query('nome_coluna > valor')	Use uma expressão de string para selecionar linhas em uma coluna que atenda a uma condição.

Estatísticas e descrição

função	ilustrar
df.describe()	Calcule estatísticas básicas como média, desvio padrão, mínimo, máximo, etc.
df.média()	Calcule a média de cada coluna.
df.mediana()	Calcule a mediana de cada coluna.
df.modo()	Calcule a moda de cada coluna.
df.contagem()	Conte o número de valores não ausentes em cada coluna.

Suponha que temos os seguintes dados JSON e os dados são salvos no arquivo data.json:
arquivo data.json

[
  {
    
    
    "name": "Alice",
    "age": 25,
    "gender": "female",
    "score": 80
  },
  {
    
    
    "name": "Bob",
    "age": null,
    "gender": "male",
    "score": 90
  },
  {
    
    
    "name": "Charlie",
    "age": 30,
    "gender": "male",
    "score": null
  },
  {
    
    
    "name": "David",
    "age": 35,
    "gender": "male",
    "score": 70
  }
]

Podemos usar Pandas para ler dados JSON e realizar operações como limpeza e processamento de dados, seleção e filtragem de dados, estatísticas e descrição de dados, como segue:

# 实例 9
import pandas as pd

# 读取 JSON 数据
df = pd.read_json('data.json')

# 删除缺失值
df = df.dropna()

# 用指定的值填充缺失值
df = df.fillna({
    
    'age': 0, 'score': 0})

# 重命名列名
df = df.rename(columns={
    
    'name': '姓名', 'age': '年龄', 'gender': '性别', 'score': '成绩'})

# 按成绩排序
df = df.sort_values(by='成绩', ascending=False)

# 按性别分组并计算平均年龄和成绩
grouped = df.groupby('性别').agg({
    
    '年龄': 'mean', '成绩': 'mean'})

# 选择成绩大于等于90的行，并只保留姓名和成绩两列
df = df.loc[df['成绩'] >= 90, ['姓名', '成绩']]

# 计算每列的基本统计信息
stats = df.describe()

# 计算每列的平均值
mean = df.mean()

# 计算每列的中位数
median = df.median()

# 计算每列的众数
mode = df.mode()

# 计算每列非缺失值的数量
count = df.count()

pós-escrito

O que você está aprendendo hoje são funções comuns do Python Pandas. Você as aprendeu? Um resumo do conteúdo de aprendizagem de hoje:

1. Funções comuns do Pandas
2. Ler dados
3. Ver dados
4. Limpeza de dados
5. Seleção e fatiamento de dados
6. classificação de dados
7. mesclagem de dados
8. Seleção e filtragem de dados
9. Estatísticas e descrição