久久精品国产亚洲高清|精品日韩中文乱码在线|亚洲va中文字幕无码久|伊人久久综合狼伊人久久|亚洲不卡av不卡一区二区|精品久久久久久久蜜臀AV|国产精品19久久久久久不卡|国产男女猛烈视频在线观看麻豆

    1. <style id="76ofp"></style>

      <style id="76ofp"></style>
      <rt id="76ofp"></rt>
      <form id="76ofp"><optgroup id="76ofp"></optgroup></form>
      1. 千鋒教育-做有情懷、有良心、有品質(zhì)的職業(yè)教育機(jī)構(gòu)

        手機(jī)站
        千鋒教育

        千鋒學(xué)習(xí)站 | 隨時(shí)隨地免費(fèi)學(xué)

        千鋒教育

        掃一掃進(jìn)入千鋒手機(jī)站

        領(lǐng)取全套視頻
        千鋒教育

        關(guān)注千鋒學(xué)習(xí)站小程序
        隨時(shí)隨地免費(fèi)學(xué)習(xí)課程

        當(dāng)前位置:首頁  >  技術(shù)干貨  > 分享在數(shù)據(jù)分析過程中最常使用的Python函數(shù)和方法

        分享在數(shù)據(jù)分析過程中最常使用的Python函數(shù)和方法

        來源:千鋒教育
        發(fā)布人:xqq
        時(shí)間: 2023-11-07 00:11:07 1699287067

        我們知道Pandas是Python中最廣泛使用的數(shù)據(jù)分析和操作庫。它提供了許多功能和方法,可以快速解決數(shù)據(jù)分析中數(shù)據(jù)處理問題。

        為了更好的掌握Python函數(shù)的使用方法,我以客戶流失數(shù)據(jù)集為例,分享在數(shù)據(jù)分析過程中最常使用的函數(shù)和方法。

        數(shù)據(jù)如下所示:

        importnumpyasnp

        importpandasaspd

        df=pd.read_csv("Churn_Modelling.csv")

        print(df.shape)

        df.columns

        結(jié)果輸出:

        (10000,14)

        Index(['RowNumber','CustomerId','Surname','CreditScore','Geography','Gender','Age','Tenure','Balance','NumOfProducts','HasCrCard','IsActiveMember','EstimatedSalary','Exited'],dtype='object')

        1.刪除列

        df.drop(['RowNumber','CustomerId','Surname','CreditScore'],axis=1,inplace=True)

        print(df[:2])

        print(df.shape)

        結(jié)果輸出:

        說明:「axis」參數(shù)設(shè)置為1以放置列,0設(shè)置為行?!竔nplace=True」參數(shù)設(shè)置為True以保存更改。我們減了4列,因此列數(shù)從14個(gè)減少到10列。

        GeographyGenderAgeTenureBalanceNumOfProductsHasCrCard\

        0FranceFemale4220.011

        IsActiveMemberEstimatedSalaryExited

        01101348.881

        (10000,10)

        2.選擇特定列

        我們從csv文件中讀取部分列數(shù)據(jù)??梢允褂胾secols參數(shù)。

        df_spec=pd.read_csv("Churn_Modelling.csv",usecols=['Gender','Age','Tenure','Balance'])

        df_spec.head()

        3.nrows

        可以使用nrows參數(shù),創(chuàng)建了一個(gè)包含csv文件前5000行的數(shù)據(jù)幀。還可以使用skiprows參數(shù)從文件末尾選擇行。Skiprows=5000表示我們將在讀取csv文件時(shí)跳過前5000行。

        df_partial=pd.read_csv("Churn_Modelling.csv",nrows=5000)

        print(df_partial.shape)

        4.樣品

        創(chuàng)建數(shù)據(jù)框后,我們可能需要一個(gè)小樣本來測(cè)試數(shù)據(jù)。我們可以使用n或frac參數(shù)來確定樣本大小。

        df=pd.read_csv("Churn_Modelling.csv",usecols=['Gender','Age','Tenure','Balance'])

        df_sample=df.sample(n=1000)

        df_sample2=df.sample(frac=0.1)

        5.檢查缺失值

        isna函數(shù)確定數(shù)據(jù)幀中缺失的值。通過將isna與sum函數(shù)一起使用,我們可以看到每列中缺失值的數(shù)量。

        df.isna().sum()

        6.使用loc和iloc添加缺失值

        使用loc和iloc添加缺失值,兩者區(qū)別如下:

        ·loc:選擇帶標(biāo)簽

        ·iloc:選擇索引

        我們首先創(chuàng)建20個(gè)隨機(jī)索引進(jìn)行選擇:

        missing_index=np.random.randint(10000,size=20)

        我們將使用loc將某些值更改為np.nan(缺失值)。

        df.loc[missing_index,['Balance','Geography']]=np.nan

        "Balance"和"Geography"列中缺少20個(gè)值。讓我們用iloc做另一個(gè)示例。

        df.iloc[missing_index,-1]=np.nan

        7.填充缺失值

        fillna函數(shù)用于填充缺失的值。它提供了許多選項(xiàng)。我們可以使用特定值、聚合函數(shù)(例如均值)或上一個(gè)或下一個(gè)值。

        avg=df['Balance'].mean()

        df['Balance'].fillna(value=avg,inplace=True)

        fillna函數(shù)的方法參數(shù)可用于根據(jù)列中的上一個(gè)或下一個(gè)值(例如方法="ffill")填充缺失值。它可以對(duì)順序數(shù)據(jù)(例如時(shí)間序列)非常有用。

        8.刪除缺失值

        處理缺失值的另一個(gè)方法是刪除它們。以下代碼將刪除具有任何缺失值的行。

        df.dropna(axis=0,how='any',inplace=True)

        9.根據(jù)條件選擇行

        在某些情況下,我們需要適合某些條件的觀測(cè)值(即行)。

        france_churn=df[(df.Geography=='France')&(df.Exited==1)]

        france_churn.Geography.value_counts()

        10.用查詢描述條件

        查詢函數(shù)提供了一種更靈活的傳遞條件的方法。我們可以用字符串來描述它們。

        df2=df.query('80000

        df2=df.query('80000

        df2=df.query('80000

        11.用isin描述條件

        條件可能有多個(gè)值。在這種情況下,最好使用isin方法,而不是單獨(dú)編寫值。

        df[df['Tenure'].isin([4,6,9,10])][:3]

        12.Groupby函數(shù)

        PandasGroupby函數(shù)是一個(gè)多功能且易于使用的功能,可幫助獲取數(shù)據(jù)概述。它使瀏覽數(shù)據(jù)集和揭示變量之間的基本關(guān)系更加容易。

        我們將做幾個(gè)組比函數(shù)的示例。讓我們從簡(jiǎn)單的開始。以下代碼將基于Geography、Gender組合對(duì)行進(jìn)行分組,然后給出每個(gè)組的平均流。

        df[['Geography','Gender','Exited']].groupby(['Geography','Gender']).mean()

        13.Groupby與聚合函數(shù)結(jié)合

        agg函數(shù)允許在組上應(yīng)用多個(gè)聚合函數(shù),函數(shù)的列表作為參數(shù)傳遞。

        df[['Geography','Gender','Exited']].groupby(['Geography','Gender']).agg(['mean','count'])

        以上內(nèi)容為大家介紹了數(shù)據(jù)分析過程中最常使用的Python函數(shù)和方法,希望對(duì)大家有所幫助,如果想要了解更多Python相關(guān)知識(shí),請(qǐng)關(guān)注IT培訓(xùn)機(jī)構(gòu):千鋒教育。http://m.2667701.com/

        聲明:本站稿件版權(quán)均屬千鋒教育所有,未經(jīng)許可不得擅自轉(zhuǎn)載。
        10年以上業(yè)內(nèi)強(qiáng)師集結(jié),手把手帶你蛻變精英
        請(qǐng)您保持通訊暢通,專屬學(xué)習(xí)老師24小時(shí)內(nèi)將與您1V1溝通
        免費(fèi)領(lǐng)取
        今日已有369人領(lǐng)取成功
        劉同學(xué) 138****2860 剛剛成功領(lǐng)取
        王同學(xué) 131****2015 剛剛成功領(lǐng)取
        張同學(xué) 133****4652 剛剛成功領(lǐng)取
        李同學(xué) 135****8607 剛剛成功領(lǐng)取
        楊同學(xué) 132****5667 剛剛成功領(lǐng)取
        岳同學(xué) 134****6652 剛剛成功領(lǐng)取
        梁同學(xué) 157****2950 剛剛成功領(lǐng)取
        劉同學(xué) 189****1015 剛剛成功領(lǐng)取
        張同學(xué) 155****4678 剛剛成功領(lǐng)取
        鄒同學(xué) 139****2907 剛剛成功領(lǐng)取
        董同學(xué) 138****2867 剛剛成功領(lǐng)取
        周同學(xué) 136****3602 剛剛成功領(lǐng)取
        相關(guān)推薦HOT
        如何殺死一個(gè)Python線程

        我經(jīng)常被問到如何殺死一個(gè)后臺(tái)線程,這個(gè)問題的答案讓很多人不開心:線程是殺不死的。在本文中,我將向您展示Python中用于終止線程的兩個(gè)選項(xiàng)。...詳情>>

        2023-11-07 02:56:44
        python的單元測(cè)試框架

        1、AutotestAutotest是Google、Redhat、IBM公司聯(lián)合開發(fā)的分布式自動(dòng)化測(cè)試框架,兼顧軟硬件測(cè)試?;赑ython,用于操作系統(tǒng)內(nèi)核冒煙測(cè)試、服務(wù)...詳情>>

        2023-11-07 02:17:07
        數(shù)據(jù)科學(xué)領(lǐng)域Python比R語言更好

        經(jīng)常有學(xué)員問我們,在數(shù)據(jù)科學(xué)領(lǐng)域里,到底是該選Python呢,還是選R更好?誠然,對(duì)于數(shù)據(jù)科學(xué)家來說,R和Python都很重要。但是對(duì)于一個(gè)新人數(shù)據(jù)...詳情>>

        2023-11-07 01:37:31
        Python中的'==' 和 'is'

        ==和is是Python對(duì)象比較中常用的兩種方式,==比較對(duì)象的值是否相等,is比較對(duì)象的身份標(biāo)識(shí)(ID)是否相等,是否是同一個(gè)對(duì)象,是否指向同一個(gè)內(nèi)存...詳情>>

        2023-11-06 23:38:43
        Python內(nèi)存分配

        一、前言大多數(shù)編譯型語言,變量在使用前必須先聲明,其中C語言更加苛刻:變量聲明必須位于代碼塊最開始,且在任何其他語句之前。其他語言,想C...詳情>>

        2023-11-06 22:33:55
        海阳市| 沙雅县| 团风县| 方正县| 临夏县| 灵山县| 武乡县| 子洲县| 奉节县| 宁德市| 霍州市| 沅江市| 绥宁县| 灌阳县| 彭州市| 永川市| 依兰县| 莎车县| 乐陵市| 武山县| 凉城县| 隆化县| 盐池县| 北票市| 枣阳市| 大荔县| 鹰潭市| 会理县| 阳山县| 阿鲁科尔沁旗| 揭东县| 金阳县| 利辛县| 神农架林区| 咸丰县| 昭通市| 中阳县| 托克逊县| 永春县| 彭水| 安顺市|