Pandas 數(shù)據(jù)分析 5 個(gè)實(shí)用小技巧
點(diǎn)擊上方Python知識(shí)圈，設(shè)為星標(biāo)
回復(fù)100獲取100題PDF
閱讀文本大概需要 5 分鐘
小技巧1：如何使用map對(duì)某些列做特征工程？
先生成數(shù)據(jù)：
d = {
"gender":["male", "female", "male","female"],
"color":["red", "green", "blue","green"],
"age":[25, 30, 15, 32]
}
df = pd.DataFrame(d)
df
在 gender 列上，使用 map 方法，快速完成如下映射：
d = {"male": 0, "female": 1}
df["gender2"] = df["gender"].map(d)
小技巧2：使用 replace 和正則清洗數(shù)據(jù)
Pandas 的強(qiáng)項(xiàng)在于數(shù)據(jù)分析，自然就少不了數(shù)據(jù)清洗。
一個(gè)快速清洗數(shù)據(jù)的小技巧，在某列上使用 replace 方法和正則，快速完成值的清洗。
源數(shù)據(jù)：
d = {"customer": ["A", "B", "C", "D"],
"sales":[1100, "950.5RMB", "$400", " $1250.75"]}
df = pd.DataFrame(d)
df
打印結(jié)果：
customer sales
0 A 1100
1 B 950.5RMB
2 C $400
3 D $1250.75
看到 sales 列的值，有整型，浮點(diǎn)型+RMB后變?yōu)樽址停€有美元+整型，美元+浮點(diǎn)型。
我們的目標(biāo)：清洗掉 RMB，$ 符號(hào)，轉(zhuǎn)化這一列為浮點(diǎn)型。
一行代碼搞定：（點(diǎn)擊代碼區(qū)域，向右滑動(dòng)，查看完整代碼）
df["sales"] = df["sales"].replace("[$,RMB]",
"", regex = True) \
.astype("float")
使用正則替換，將要替換的字符放到列表中 [$,RMB]，替換為空字符，即 ""；
最后使用 astype 轉(zhuǎn)為 float
打印結(jié)果：
customer sales
0 A 1100.00
1 B 950.50
2 C 400.00
3 D 1250.75
如果不放心，再檢查下值的類型：
df["sales"].apply(type)
打印結(jié)果：
0 <class 'float'>
1 <class 'float'>
2 <class 'float'>
3 <class 'float'>
小技巧3：使用 melt 如何對(duì)數(shù)據(jù)透視分析？
構(gòu)造一個(gè) DataFrame：
d = {\
"district_code": [12345, 56789, 101112, 131415],
"apple": [5.2, 2.4, 4.2, 3.6],
"banana": [3.5, 1.9, 4.0, 2.3],
"orange": [8.0, 7.5, 6.4, 3.9]
}
df = pd.DataFrame(d)
df
打印結(jié)果：
district_code apple banana orange
0123455.23.58.0
1567892.41.97.5
21011124.24.06.4
31314153.62.33.9
5.2 表示 12345 區(qū)域的 apple 價(jià)格，并且 apple, banana, orange，這三列都是一種水果，那么如何把這三列合并為一列？
使用 pd.melt
具體參數(shù)取值，根據(jù)此例去推敲：
df = df.melt(\
id_vars = "district_code",
var_name = "fruit_name",
value_name = "price")
df
打印結(jié)果：
district_code fruit_name price
012345 apple 5.2
156789 apple 2.4
2101112 apple 4.2
3131415 apple 3.6
412345 banana 3.5
556789 banana 1.9
6101112 banana 4.0
7131415 banana 2.3
812345 orange 8.0
956789 orange 7.5
10101112 orange 6.4
11131415 orange 3.9
以上就是長(zhǎng) DataFrame，對(duì)應(yīng)的原 DataFrame 是寬 DF.
小技巧4：已知 year 和 dayofyear，怎么轉(zhuǎn) datetime?
原 DataFrame
d = {\
"year": [2019, 2019, 2020],
"day_of_year": [350, 365, 1]
}
df = pd.DataFrame(d)
df
打印結(jié)果：
year day_of_year
02019350
12019365
220201
轉(zhuǎn) datetime 的 小技巧
步驟 1: 創(chuàng)建整數(shù)
df["int_number"] =
df["year"]*1000 + df["day_of_year"]
打印 df 結(jié)果：
year day_of_year int_number
020193502019350
120193652019365
2202012020001
步驟 2: to_datetime
df["date"]=pd.to_datetime(df["int_number"],
format = "%Y%j")
注意 "%Y%j" 中轉(zhuǎn)化格式 j
打印結(jié)果：
year day_of_year int_number date
0201935020193502019-12-16
1201936520193652019-12-31
22020120200012020-01-01
小技巧5：如何將分類中出現(xiàn)次數(shù)較少的值歸為 others？
這也是我們?cè)跀?shù)據(jù)清洗、特征構(gòu)造中面臨的一個(gè)任務(wù)。
如下一個(gè) DataFrame:
d = {"name":['Jone','Alica','Emily','Robert','Tomas',
'Zhang','Liu','Wang','Jack','Wsx','Guo'],
"categories": ["A", "C", "A", "D", "A",
"B", "B", "C", "A", "E", "F"]}
df = pd.DataFrame(d)
df
結(jié)果：
name categories
0 Jone A
1 Alica C
2 Emily A
3 Robert D
4 Tomas A
5 Zhang B
6 Liu B
7 Wang C
8 Jack A
9 Wsx E
10 Guo F
D、E、F 僅在分類中出現(xiàn)一次，A 出現(xiàn)次數(shù)較多。
步驟 1：統(tǒng)計(jì)頻次，并歸一
frequencies = df["categories"].value_counts(normalize = True)
frequencies
結(jié)果：
A 0.363636
B 0.181818
C 0.181818
F 0.090909
E 0.090909
D 0.090909
Name: categories, dtype: float64
步驟 2：設(shè)定閾值，過濾出頻次較少的值
threshold = 0.1
small_categories = frequencies[frequencies < threshold].index
small_categories
結(jié)果：
Index(['F', 'E', 'D'], dtype='object')
步驟 3：替換值
df["categories"] = df["categories"] \
.replace(small_categories, "Others")
替換后的 DataFrame:
name categories
0 Jone A
1 Alica C
2 Emily A
3 Robert Others
4 Tomas A
5 Zhang B
6 Liu B
7 Wang C
8 Jack A
9 Wsx Others
10 Guo Others
往期推薦 01 02 03
↓點(diǎn)擊閱讀原文查看pk哥原創(chuàng)視頻
我就知道你“在看” 