7個(gè)極其重要的Pandas函數(shù)！

公眾號(hào)：尤而小屋
作者：Peter
編輯：Peter

大家好，我是Peter~

本文介紹Pandas中7個(gè)極其重要的函數(shù)，它們?cè)谌粘５臄?shù)據(jù)分析會(huì)經(jīng)常使用。

• isnull
• apply
• groupby
• unique
• reset_index
• sort_values
• to_csv

同時(shí)你還將學(xué)會(huì)如何造假數(shù)據(jù)。

模擬數(shù)據(jù)

通過numpy和pandas庫模擬一份數(shù)據(jù)，使用了numpy.random.choice方法

In [1]:

import pandas as pd
import numpy as np

In [2]:

names = ["apple","orange","pear","grape","banana","cantaloupe"]

places = ["陜西","江西","山西","甘肅","新疆","江蘇","浙江"]

In [3]:

df = pd.DataFrame({"name": np.random.choice(names, 30),  # 名稱
                   "place": np.random.choice(places, 30),  # 產(chǎn)地
                   "price": np.random.randint(1,10,30),  # 單價(jià)
                   "weight":np.random.randint(100,1000,30)  # 重量
                  })

df.head(10)  # 顯示前10條數(shù)據(jù)

函數(shù)1：isnull

查看數(shù)據(jù)中的缺失值信息。

下面是直接查看數(shù)據(jù)中的每個(gè)位置是否為缺失值：是為True；否為False

In [4]:

df.isnull()  

查看每個(gè)字段是否存在缺失值；在執(zhí)行sum的時(shí)候，F(xiàn)alse表示0，True表示1：

In [5]:

df.isnull().sum()  

Out[5]:

name      0
place     0
price     0
weight    0
dtype: int64

上面的結(jié)果默認(rèn)是在列方向上求和；可以執(zhí)行在行axis=1上求和：

In [6]:

df.isnull().sum(axis=1)  

函數(shù)2：apply

apply能夠?qū)andas中的數(shù)據(jù)進(jìn)行批量操作。

1、單個(gè)字段的操作

比如將name字段全部變成首字母大寫：

In [7]:

df["new_name"] = df["name"].apply(lambda x: x.title())

df.head()

2、多個(gè)字段的同時(shí)操作：

比如根據(jù)price和weight求乘積，結(jié)果為amount：

In [8]:

df["amount"] = df[["price","weight"]].apply(lambda x: x["price"] * x["weight"], axis=1)

df.head()

函數(shù)3：groupby

進(jìn)行分組聚合的操作：

In [9]:

# 1、統(tǒng)計(jì)不同水果的總金額


df.groupby("name")["amount"].sum()

Out[9]:

name
apple         13360
banana        12570
cantaloupe    18777
grape         20960
orange        29995
pear           3694
Name: amount, dtype: int64

上面得到的結(jié)果是Series型數(shù)據(jù)；如果是groupby + agg，得到的則是DataFrame型數(shù)據(jù)：

In [10]:

# groupby + agg

df.groupby("name").agg({"amount":sum})

Out[10]:

In [11]:

# groupby + to_frame 結(jié)果也變成了DataFrame型數(shù)據(jù)

df.groupby("name")["amount"].sum().to_frame()

Out[11]:

函數(shù)4：unique

統(tǒng)計(jì)數(shù)據(jù)的唯一值信息。比如統(tǒng)計(jì)每個(gè)水果name對(duì)應(yīng)的產(chǎn)地信息place：

In [12]:

df.groupby("name")["place"].unique()  # 有去重

Out[12]:

name
apple                         [浙江, 山西]
banana        [江蘇, 陜西, 山西, 江西, 甘肅, 浙江]
cantaloupe                [江西, 新疆, 山西]
grape             [浙江, 江西, 陜西, 山西, 江蘇]
orange                    [浙江, 山西, 江蘇]
pear                          [山西, 新疆]
Name: place, dtype: object

In [13]:

df.groupby("name")["place"].apply(list)  # 不去重

Out[13]:

name
apple                                 [浙江, 山西]
banana                [江蘇, 陜西, 山西, 江西, 甘肅, 浙江]
cantaloupe                [江西, 江西, 新疆, 山西, 新疆]
grape         [浙江, 江西, 陜西, 山西, 浙江, 江蘇, 浙江, 江蘇]  # 有重復(fù)值
orange            [浙江, 山西, 山西, 江蘇, 山西, 浙江, 山西]
pear                                  [山西, 新疆]
Name: place, dtype: object

如果是直接使用list函數(shù)，則會(huì)在對(duì)應(yīng)的列表中展示全部的數(shù)據(jù)（包含重復(fù)值）：

函數(shù)5：reset_index

將DataFrame的索引進(jìn)行重置：

In [15]:

data = df.groupby("name")["amount"].sum()  # 不加reset_index()

data

Out[15]:

name
apple         13360
banana        12570
cantaloupe    18777
grape         20960
orange        29995
pear           3694
Name: amount, dtype: int64

In [16]:

type(data)  # Series型數(shù)據(jù)

Out[16]:

pandas.core.series.Series

In [17]:

data = df.groupby("name")["amount"].sum().reset_index()  # 不加reset_index()

data

Out[17]:

In [18]:

type(data)  # DataFrame數(shù)據(jù)

Out[18]:

pandas.core.frame.DataFrame

函數(shù)6：sort_values

sort_values是對(duì)數(shù)據(jù)進(jìn)行排序，默認(rèn)是升序

In [19]:

data  # 使用上面的data數(shù)據(jù)

Out[19]:

In [20]:

data.sort_values(by="amount")  # 默認(rèn)升序

Out[20]:

In [21]:

data.sort_values(by="amount", 
                 ascending=False  # 指定降序
                )  

Out[21]:

In [22]:

data.sort_values(by="amount", 
                 ascending=False, # 指定降序
                 ignore_index=True  # 忽略索引設(shè)置
                )  

Out[22]:

函數(shù)7：to_csv

將DataFrame保存成csv格式：

In [23]:

df.to_csv("newdata.csv",index=False)     # csv格式
# df.to_csv("newdata.xls",index=False)   # Excel格式