pandas基本数据处理

矫情吗；* 2022-11-11 05:22 238阅读 0赞

![20210319164241921.jpg][]

补充讲解链接  
[pandas常用函数，个人常用的][pandas]

1.重命名列名

#用rename函数对数据进行重命名
    import pandas as pd
    df=pd.DataFrame(data=[
        ['x1','张三',177,92,1.5,'2019/3/23'],
        ['x2','李四',151,84,2.3,'2019/3/24']],columns=['学号','姓名','身高','语文成绩','学分','日期'])
    df=df.rename(columns={ '语文成绩':'成绩'})
    print(df)

![20210319141158867.png][]

2.增加列，删除列

import pandas as pd
    df=pd.DataFrame(data=[
        ['x1','张三',177,92,1.5,'2019/3/23'],
        ['x2','李四',151,84,2.3,'2019/3/24']],columns=['学号','姓名','身高','语文成绩','学分','日期'])
    #增加列
    df['新列名']=[1,2]
    df['新列名1']=df['语文成绩']*0.2
    
    #删除列
    df=df.drop(columns=['语文成绩'])#方法1
    del df['新列名'] #方法2
    
    print(df)

![20210319141724888.png][]

3.子集选择

import pandas as pd
    df=pd.DataFrame(data=[
        ['x1','张三',177,92,1.5,'2019/3/23'],
        ['x2','李四',151,84,2.3,'2019/3/24'],
        ['x3','王五',167,80,3.2,'2019/3/25'],
        ['x4','韩六',175,77,1.2,'2019/3/26'],
        ['x5','赵七',153,87,1.6,'2019/3/27']
    ],columns=['学号','姓名','身高','语文成绩','学分','日期'])
    
    #子集选择时，采用loc或ioc函数，loc读取 的是索引 ，而iloc读取的行数，相当于重新命名索引为 0,1,2...
    print('读取索引范围[2,4]的数据\n',df.loc[2:4])
    print('选择第2到第4行\n',df.iloc[1:4])
    print('选择身高>160且成绩>80的数据,只要 姓名 学分 日期 \n',df.loc[(df['身高']>160) &(df['语文成绩']>80),['姓名','学分','日期']])
    print('选择身高>160且成绩>80的数据, \n',df.loc[(df['身高']>160) &(df['语文成绩']>80)])

![20210319143932945.png][]

4.排序

![20210319145217849.png][]

5.缺失值处理,缺失值处理一般使用fillna

import pandas as pd
    import numpy as np
    df=pd.DataFrame(data=[
        ['x1','张三',177,92,1.5,'2019/3/23'],
        ['x2','李四',151,84,2.3,'2019/3/24'],
        ['x3','王五',167,80,3.2,'2019/3/25'],
        ['x4','韩六',175,77,1.2,'2019/3/26'],
        ['x5','赵七',153,87,1.6,'2019/3/27']
    ],columns=['学号','姓名','身高','语文成绩','学分','日期'])
    
    
    #缺失值处理
    #先将张三的成绩设为nan
    df.loc[(df['姓名']=='张三'),'语文成绩']=np.NaN
    df['语文成绩']=df['语文成绩'].fillna(80)
    print(df)

6.异常值处理

import pandas as pd
    import numpy as np
    df=pd.DataFrame(data=[
        ['x1','张三',177,92,1.5,'2019/3/23'],
        ['x2','李四',151,84,2.3,'2019/3/24'],
        ['x3','王五',167,80,3.2,'2019/3/25'],
        ['x4','韩六',175,77,1.2,'2019/3/26'],
        ['x5','赵七',153,87,1.6,'2019/3/27']
    ],columns=['学号','姓名','身高','语文成绩','学分','日期'])
    
    
    #异常值处理
    #将大于 "均值+2倍标准差“ 认为是异常值，用"均值+2倍标准差”替代
    abnormal=df['语文成绩'].mean()+2*df['语文成绩'].std()
    df.loc[df['语文成绩']>abnormal,'语文成绩']=abnormal
    print(df)

![20210319150927998.png][]

7.分组统计  
pandas的分组统计使用groupby函数参数as\_index=False 表示统计后返回DataFrame类型的结果，否则返回Series类型的统计结果

import pandas as pd
    import numpy as np
    df=pd.DataFrame(data=[
        ['x1','张三',177,92,1.5,'2019/3/23','男','1'],
        ['x2','李四',151,84,2.3,'2019/3/24','男','2'],
        ['x3','王五',167,80,3.2,'2019/3/25','女','2'],
        ['x4','韩六',175,77,1.2,'2019/3/26','女','1'],
        ['x5','赵七',153,87,1.6,'2019/3/27','女','1']
    ],columns=['学号','姓名','身高','语文成绩','学分','日期','性别','班级'])
    
    
    print('按照班级和性别分组，统计每个分组的人数\n',df.groupby(by=['班级','性别'],as_index=False)['学号'].count())
    
    print('按照班级和性别分组，统计每个分组的平均分\n',df.groupby(by=['班级','性别'],as_index=False)['语文成绩'].mean())
    
    
    rank=df.groupby(by=['班级'],as_index=False)['语文成绩'].rank()
    df['排名']=rank
    print('按照班级分组,对组内学生按成绩排序\n', df)
    
    
    
    #对每个分组使用自定义函数
    #agg 或者apply函数
    def myfunc(series):
        return '最大值是:'+str(series.max())
    print('对每个分组使用自定义函数\n',df.groupby(by=['班级','性别'],as_index=False)['语文成绩'].agg(myfunc))

![20210319155033586.png][]

8.apply  
对于apply函数，其作用是对目标集合中的每个元素执行相同的操作

import pandas as pd
    import numpy as np
    df=pd.DataFrame(data=[
        ['x1','张三',177,92,1.5,'2019/3/23','男','1'],
        ['x2','李四',151,84,2.3,'2019/3/24','男','2'],
        ['x3','王五',167,80,3.2,'2019/3/25','女','2'],
        ['x4','韩六',175,77,1.2,'2019/3/26','女','1'],
        ['x5','赵七',153,87,1.6,'2019/3/27','女','1']
    ],columns=['学号','姓名','身高','语文成绩','学分','日期','性别','班级'])
    
    
    #对姓名这一列的每个元素加字幕xm
    def myfunc(x):
        return 'xm'+x
    df['姓名']=df['姓名'].apply(myfunc)
    print('对姓名这一列的每个元素加字幕xm\n',df)
    
    #对姓名这一列的每个元素删除字幕xm
    df['姓名']=df['姓名'].apply(lambda x:str(x).replace('xm', ''))
    print('对姓名这一列的每个元素删除字幕xm\n',df)
    
    
    #对于语文成绩这一列，如果有小于90分的，则该为90分
    def myfunc1(x):
        if x<90:
            return 90
        else:
            return x
    df['语文成绩']=df['语文成绩'].apply(myfunc1)
    print('对于语文成绩这一列，如果有小于90分的，则该为90分\n',df)
    
    #分组应用apply
    
    def myfunc2(series):
        return series.max()
    df2=df.groupby(by=['班级'],as_index=False)['语文成绩'].apply(myfunc2)
    print(df2)

![20210319164029141.png][]

![在这里插入图片描述][20210319164103108.jpg_pic_center]

作者：电气 余登武…  
![20210319164146910.jpg_pic_center][]

[20210319164241921.jpg]: /images/20221022/448dd631e2f846fba7ef50d058f445c7.png
[pandas]: https://blog.csdn.net/KOBEYU652453/article/details/106355922
[20210319141158867.png]: https://img-blog.csdnimg.cn/20210319141158867.png
[20210319141724888.png]: https://img-blog.csdnimg.cn/20210319141724888.png
[20210319143932945.png]: https://img-blog.csdnimg.cn/20210319143932945.png
[20210319145217849.png]: https://img-blog.csdnimg.cn/20210319145217849.png
[20210319150927998.png]: https://img-blog.csdnimg.cn/20210319150927998.png
[20210319155033586.png]: https://img-blog.csdnimg.cn/20210319155033586.png
[20210319164029141.png]: https://img-blog.csdnimg.cn/20210319164029141.png
[20210319164103108.jpg_pic_center]: https://img-blog.csdnimg.cn/20210319164103108.jpg#pic_center
[20210319164146910.jpg_pic_center]: https://img-blog.csdnimg.cn/20210319164146910.jpg#pic_center