Pandas数据分析实用小技巧有哪些

这篇文章是为了和大家分享一些关于熊猫数据分析的有用技巧。我觉得边肖很实用，就和大家分享一下作为参考。让我们跟着边肖看一看。

小技巧1：如何使用map对某些列做特征工程？

教师数据：

d={ '性别' :['男'，'女'，'男'，'女'，'颜色' :['红'，'绿'，'蓝'，'绿']，'年龄' :[25，30，15，32]

}df=pd。数据帧(d)df

在“性别”列中，使用map方法快速完成以下映射：

d={ '男' :0，'女' :1}

df['gender2']=df['gender']。地图(d)

小技巧2：使用 replace 和正则清洗数据

熊猫的实力在于数据分析，自然数据清洗不可或缺。

一种快速数据清理技术，在列上使用替换方法和正则化来快速清理值。

源数据：

d={ '客户' :['A '，' B '，' C '，' D '，'销售' :[1100，' 950.5RMB '，' 400美元'，' 1250.75美元']}

Df=pd。数据帧(d)df打印结果：

客户名称

0A11001B950.5RMB人民币

2C$4003D$1250.75看销售栏的数值，包括整数、浮点人民币然后是字符串、美元整数和美元浮点人民币。

我们的目标：清洗人民币，$符号，并将此列转换为浮点。

一行代码完成：(点击代码区，向右滑动查看完整代码)

df['sales']=df['sales']。替换('[$，人民币]'，''，正则表达式=真)\。astype('float ')使用常规替换将要替换的字符放入列表[$，RMB]中，并用空字符替换，即“”；

最后，使用astype进行浮动。

打印结果：

sales 0a 1100 . 001 b 950 . 502 c 400 . 003d 1250 . 75如果您不放心，请检查以下值的类型：

Df['销售']。应用(类型)打印结果：

类“float”1类“float”2类“float”3类“float”

【python学习交流群】

10-1010构造一个DataFrame:

d={ 0

\"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

打印结果：

district_code apple banana orange0123455.23.58.01567892.41.97.521011124.24.06.431314153.62.33.9

5.2 表示 12345 区域的 apple 价格，并且 apple, banana, orange，这三列都是一种水果，那么如何把这三列合并为一列？

使用 pd.melt

具体参数取值，根据此例去推敲：

df = df.melt(\
id_vars = "district_code",
var_name = "fruit_name",
value_name = "price")
df

打印结果：

district_code fruit_name price012345 apple 5.2156789 apple 2.42101112 apple 4.23131415 apple 3.6412345 banana 3.5556789 banana 1.96101112 banana 4.07131415 banana 2.3812345 orange 8.0956789 orange 7.510101112 orange 6.411131415 orange 3.9

以上就是长 DataFrame，对应的原 DataFrame 是宽 DF.

小技巧4：已知 year 和 dayofyear，怎么转 datetime?

原 DataFrame

d = {\"year": [2019, 2019, 2020],"day_of_year": [350, 365, 1]
}df = pd.DataFrame(d)df

打印结果：

 year day_of_year
0201935012019365220201

转 datetime 的 小技巧

步骤 1: 创建整数

df["int_number"] =
df["year"]*1000 + df["day_of_year"]

打印 df 结果：

year day_of_year int_number
0201935020193501201936520193652202012020001

步骤 2: to_datetime

df["date"]=pd.to_datetime(df["int_number"],format = "%Y%j")

注意 "%Y%j" 中转化格式 j

打印结果：

 year day_of_year int_number date
0201935020193502019-12-161201936520193652019-12-3122020120200012020-01-01

小技巧5：如何将分类中出现次数较少的值归为 others？

这也是我们在数据清洗、特征构造中面临的一个任务。

如下一个 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

结果：

 name categories
0 Jone A1 Alica C2 Emily A3 Robert D4 Tomas A5 Zhang B6 Liu B7 Wang C8 Jack A9 Wsx E10 Guo F

D、E、F 仅在分类中出现一次，A 出现次数较多。

步骤 1：统计频次，并归一

frequencies = df["categories"].value_counts(normalize = True)
frequencies

结果：

A 0.363636B 0.181818C 0.181818F 0.090909E 0.090909D 0.090909Name: categories, dtype: float64

步骤 2：设定阈值，过滤出频次较少的值

threshold = 0.1small_categories = frequencies[frequencies < threshold].indexsmall_categories

结果：

Index(['F', 'E', 'D'], dtype='object')

步骤 3：替换值

df["categories"] = df["categories"] \
.replace(small_categories, "Others")

替换后的 DataFrame:

 name categories
0 Jone A1 Alica C2 Emily A3 Robert Others4 Tomas A5 Zhang B6 Liu B7 Wang C8 Jack A9 Wsx Others10 Guo Others

感谢各位的阅读！关于“Pandas数据分析实用小技巧有哪些”这篇文章就分享到这里了，希望