熊猫入门 - 第3课

熊猫入门 - 第3课

介绍

我们从我们的数据科学第三篇帖子与熊猫一起训练。在本文中，我们将概述Pandas中使用的不同功能，以执行迭代，映射，分组和排序。这些函数允许我们制作数据的转换，为我们提供有用的信息和见解。

迭代，映射，分组和排序

2009年数据集'葡萄酒质量数据集'由Cortez等人阐述。在UCI机器学习中提供，是一个众所周知的数据集，包含葡萄酒质量信息。它包括关于红色和白葡萄酒物理化学性质的数据和质量分数。　

在我们开始之前，我们将在我们的教学数据集之前可视化，我们将遵循我们将使用Pandas Head功能显示示例。　

迭代

我们从与数据集一起迭代的函数开始。当我们想要逐行迭代行时，我们可能希望使用此功能。

基本迭代对熊猫对象的行为取决于类型。迭代次数时，它被视为数组，并且基本迭代产生值。与DataFrame和Panel一样的其他数据结构遵循迭代对象键的DICT样约定。

如果我们迭代DataFrame，我们获取列名：

对于DF中的元素：
    打印（元素）


固定酸度           
挥发性酸度       
柠檬酸              
剩余糖       
氯化物               
自由二氧化硫     
二氧化硫总硫化物    
密度    
博士           
硫酸盐
酒精
质量

要迭代DataFrame的行，我们可以使用以下功能：

• 物品

与类似的界面一致， 项目（）　和iteRitems（） 通过键值对迭代：

+系列:(索引，标量值）对

+ dataframe :(列，系列）对

对于wines.items（）中的键，值：
    打印（键）
    打印（价值）
    
    
    固定酸度
0 7.4
1 7.8
2 7.8
3 11.2
4 7.4
        ...... 
1594 6.2
1595 5.9
1596 6.3.
1597 5.9
1598 6.0
名称：固定酸度，长度：1599，DTYPE：FLOAT64
挥发性酸度
0 0.700
1 0.880
2 0.760
3 0.280
4 0.700
        ......

• 意思

它允许您迭代DataFrame的行为串联对象。它返回一个迭代器，产生每个索引值以及包含每行中的数据的系列：

for row_index，wines.iterrows（）的行：
    print(row_index, row, sep="\n")
    
    0.
固定酸度7.4000.
挥发性酸度0.7000.
柠檬酸0.0000.
残留糖1.9000.
氯化物0.0760.
免费二氧化硫11.0000
总二氧化硫34.0000
密度0.9978.
pH 3.5100.
硫酸盐0.5600.
酒精9.4000.
质量5.0000
名称：0，dtype：float64
1
固定酸度7.8000.
挥发性酸度0.8800
柠檬酸0.0000.
残留糖2.6000.
氯化物0.0980.
免费二氧化硫25.0000
二氧化硫总二氧化硫67.0000
密度0.9968.
pH 3.2000.
硫酸盐0.6800.
酒精9.8000.
质量5.0000
名称：1，dtype：float64
2
固定酸度7.800.
挥发性酸度0.760.
柠檬酸0.040.
残留糖2.300.
......

• itertiples.

这 itertuples（） 方法将返回一个迭代器在Dataframe中为每行产生namedtuple。元组的第一个元素将是行的相应索引值，而剩余值是行值。

在wines.itertules（）中的行：
    打印（行）    

PANDAS（索引= 0，_1 = 7.4，_2 = 0.7，_3 = 0.0，氯化物= 0.076，_6 = 11.0，_7 = 34.0，密度= 0.9978，pH = 3.51，硫酸盐= 0.56，醇= 9.4，质量= 5）
熊猫（索引= 1，_1 = 7.8，_2 = 0.88，_3 = 0.0，_4 = 2.6，氯化物= 0.098，_6 = 25.0，_7 = 67.0，密度= 0.9968，pH = 3.2，硫酸盐= 0.68，醇= 9.8，质量= 5）
......

结论

熊猫库为我们提供了3种不同的功能，这对给定的数据集进行了迭代相对容易。他们是：

iteRITEMS（）：Pandas库中的此功能可帮助用户迭代集合中存在的每个元素，列明智。此功能对于我们希望通过列逐行寻找行的某些东西，这将是有用的。这样你就不必迭代所有列。

Iterrows（）：Pandas库中的此函数可帮助用户迭代集合中存在的每个元素，行。如果我们想要通过全行迭代全行的情况下，此函数将是有用的，因此我们可以在不迭代整个数据集的情况下搜索特定的行值。　

itertuple（）： Pandas库中的该函数可帮助用户迭代数据集中存在的每一行，同时在给定数据中形成元组。当我们需要全行迭代全行但输出必须是元组格式时，此功能将很有用。

地图

我们继续使用两个最重要的功能来映射系列或数据集。

• 地图

熊猫 地图（） 函数用于使用字典/函数/系列将来自系列对象的每个值映射到另一个值。它是一种方便的功能，将串联的系列从一个域映射到另一个域，因为它允许我们进行操作，以便在数据集中转换给定列的所有行。

例如，我们可以通过执行乘以100乘以100的函数来改造从“浓度”列获得的系列。

数据['密度']。地图（lambda x：x * 100）    

0 99.780
1 99.680
2 99.700
3 99.800
4 99.780
         ......  
1594 99.490.
1595 99.512.
1596 99.574.
1597 99.547
1598 99.549.
名称：密度，长度：1599，dtype：float64 ......

• 申请

可以使用dataframe的轴应用任意函数 申请（） 方法，如描述性统计方法，采用可选的轴参数：

例如，我们可以通过执行将其每个值划分为100的函数来恢复“浓度”列的值，而无需从DataFrame中提取群体，因为映射函数与DataFrame合作。

def divide_by_100（x）：
    x.denty = x.denty / 100
    返回X.

data.apply（divide_by_100，Axis ='列'）

分组

分组的抽象定义是为组名提供标签的映射。创建一个 通过...分组 通过“质量”对象分组您可以执行以下操作：

葡萄酒.groupby（[质量“）。Quality.count（）

质量
3 10.
4 53.
5 681.
6 638.
7 199.
8 18.
名称：质量，DTYPE：INT64

您还可以创建GroupBy对象并应用自定义功能，例如，在这种情况下，我们将由“质量”和“饮酒”（Compual）和饮酒中的组：

葡萄酒.groupby（['质量'，'酒精']）。应用（lambda df：df.loc [df.dency.idxmax（）]）

最后，在分组部分内，数据分析中最有用的功能之一是 聚合功能。

在这种情况下，我们将通过“质量”（质量）进行集团，我们将获得每组酗酒者的最大值和最低价值。

葡萄酒.groupby（[质量']）。酒精.agg（[min，max]）

排序

在这种情况下，我们将使用不同的数据集来清楚地解释Pandas内的所有排序功能。为此，我们将首先遵守我们将要操作的小示例数据集，我们将调用`Untorted_df`：

+按索引排序

UNSTORTED_DF.SORT_INDEX（）

+按索引降序排序

UNSTORTED_DF.SORT_INDEX（升序= FALSE）

+按列排序

UNSTORTED_DF.SORT_INDEX（AXIS = 1）

+按值排序

UNSTORTED_DF.SORT_VALUES（按=“二”）

这一切都是为了今天！在下一章中，我们将深入潜入我们用于治疗缺失数据的功能。