騷氣的 Pandas 取數(shù)操作
本文介紹如何在 Pandas 進(jìn)行 DataFrame 類(lèi)型數(shù)據(jù)的篩選和查看。因?yàn)镻andas中有各種花樣來(lái)進(jìn)行數(shù)據(jù)篩選，本文先介紹其中的一部分。
一、模擬數(shù)據(jù)
本文中各種例子基于一份模擬數(shù)據(jù)展開(kāi)，在創(chuàng)建數(shù)據(jù)的時(shí)候引入了部分缺失值，通過(guò) numpy 庫(kù)來(lái)生成：
import pandas as pd
import numpy as np
df = pd.DataFrame({
"name":['小明','小王','張菲','關(guān)宇','孫小小','王建國(guó)','劉蓓'],
"sex":['男','女','女','男','女','男','女'],
"age":[20,23,18,21,25,21,24],
"score":[np.nan,600,550,np.nan,610,580,634], # 缺失兩條數(shù)據(jù)
"address":["廣東省深圳市南山區(qū)",
np.nan, # 數(shù)據(jù)缺失
"湖南省長(zhǎng)沙市雨花區(qū)",
"北京市東城區(qū)",
"廣東省廣州市白云區(qū)",
"湖北省武漢市江夏區(qū)",
"廣東省深圳市龍華區(qū)"]
})
df
我們查看下各個(gè)字段的數(shù)據(jù)類(lèi)型：3個(gè)字符類(lèi)型，一個(gè)int64，一個(gè)float64類(lèi)型
二、思維導(dǎo)圖
下面導(dǎo)圖中介紹的多種基礎(chǔ)的取數(shù)方式：
三、查看頭尾數(shù)據(jù)
查看頭尾數(shù)據(jù)，使用的是head和tail方法：
3.1 head
該方法默認(rèn)是前5行
可以自己指定看多少行數(shù)據(jù)：
3.2 tail
tail使用方法是類(lèi)似的：
默認(rèn)尾部5行 指定查看行數(shù)
四、隨機(jī)篩選
使用的是sample方法，默認(rèn)是查看一行數(shù)據(jù)，也可以指定查看多少行：
五、數(shù)值型數(shù)據(jù)篩選
5.1 單個(gè)條件
1、數(shù)值型數(shù)據(jù)的篩選一般是根據(jù)大小比較來(lái)進(jìn)行的：
5.2 多個(gè)條件
2、當(dāng)我們存在多個(gè)比較條件的時(shí)候，需要注意：
表示“且”不能用and，使用&符號(hào)；表示“或”使用用豎線 |每個(gè)條件要使用小括號(hào)
下面是正確的寫(xiě)法：
5.3 使用數(shù)值函數(shù)
常用的數(shù)值比較函數(shù)如下：
df.eq() # 等于相等 ==
df.ne() # 不等于 !=
df.le() # 小于等于 >=
df.lt() # 小于 <
df.ge() # 大于等于 >=
df.gt() # 大于 >
1、使用單個(gè)數(shù)值函數(shù)篩選
2、使用多個(gè)數(shù)值函數(shù)篩選；
六、字符型數(shù)據(jù)篩選
字符類(lèi)型數(shù)據(jù)的篩選主要是通過(guò)python和pandas中相關(guān)函數(shù)；
包含：str.contains 開(kāi)始：str.startswith 結(jié)束：str.endswith
下圖中的3個(gè)例子講解了上面3個(gè)函數(shù)的使用方法：
上面的例子中使用的字段本身都是沒(méi)有空值的，如果字段中帶有空值，該如何處理？比如我們想選出address帶有“深圳”的同學(xué)：
解決方法1：帶上參數(shù)
解決方法2：通過(guò)布爾值的比較判斷
七、指定數(shù)據(jù)值篩選
通過(guò)指定某個(gè)字段的具體某個(gè)值來(lái)篩選數(shù)據(jù)：
八、數(shù)值型和字符型聯(lián)用
數(shù)值型的大小比較條件和字符相關(guān)條件的聯(lián)合使用：
且：& 或：|
九、索引取數(shù)
直接通過(guò)某個(gè)索引值來(lái)取數(shù)，這種情況很少用：
十、切片取數(shù)
pandas中切片取數(shù)和Python中是相同的：
左邊索引從0開(kāi)始計(jì)數(shù)，右邊索引從-1開(kāi)始計(jì)數(shù) 切片規(guī)則： start:stop:step，分別表示起始位置start，結(jié)束位置stop，步長(zhǎng)step（可正可負(fù)）
不包含結(jié)束索引位置的元素：含頭不含尾，請(qǐng)記住索引切片的重要規(guī)則！！！
使用切片的單個(gè)數(shù)值取數(shù)：
使用切片取數(shù)的多種案例：
下面看看本文案例中的切片取數(shù)：
步長(zhǎng)不為1和索引為負(fù)數(shù)的情況：
十一、缺失值篩選
本文中使用的案例缺失值情況為：
11.1 查看缺失值
df.isnull()
11.2 查看字段缺失值
df25 = df.isnull().any() # 列中是否存在空值
df25
11.3 鎖定缺失值存在的行
df26 = df[df.isnull().values==True]
df26
十二、列屬性取數(shù)
12.1 指定屬性名
第一種是我們直接指定列屬性的名稱(chēng)，在這種情況下取出來(lái)的是Series類(lèi)型數(shù)據(jù)
第二種情況下取出來(lái)的是DataFram e類(lèi)型數(shù)據(jù)：
12.2 指定字段屬性的類(lèi)型
本文案例的數(shù)據(jù)字段類(lèi)型為：
1、取出包含object類(lèi)型的數(shù)據(jù)：
如果是想取出包含多種類(lèi)型的數(shù)據(jù)：
2、取出不包含object類(lèi)型的數(shù)據(jù)：
十三、總結(jié)
Pandas中取數(shù)的方式真的是五花八門(mén)，有很多方式能夠取到我們想要的數(shù)據(jù)。本文中介紹的多種方式算是比較基本，比如頭尾部數(shù)據(jù)、基于條件判斷的篩選、切片篩選等，后續(xù)將會(huì)介紹更多Pandas中取數(shù)技巧，敬請(qǐng)期待！