Notas de estudo de Python, dia 58
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:
- Funções comuns do Pandas
- Ler dados
- Ver dados
- Limpeza de dados
- Seleção e fatiamento de dados
- classificação de dados
- mesclagem de dados
- Seleção e filtragem de dados
- Estatísticas e descrição