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)教育機構(gòu)

        手機站
        千鋒教育

        千鋒學(xué)習(xí)站 | 隨時隨地免費學(xué)

        千鋒教育

        掃一掃進入千鋒手機站

        領(lǐng)取全套視頻
        千鋒教育

        關(guān)注千鋒學(xué)習(xí)站小程序
        隨時隨地免費學(xué)習(xí)課程

        當(dāng)前位置:首頁  >  技術(shù)干貨  > padndas提供了豐富的統(tǒng)計、合并、分組、缺失值等操作函數(shù)

        padndas提供了豐富的統(tǒng)計、合并、分組、缺失值等操作函數(shù)

        來源:千鋒教育
        發(fā)布人:qyf
        時間: 2022-08-12 17:14:01 1660295641

          排序

          排序:即對里面的數(shù)據(jù)按照大小,或者按照某種規(guī)則排序。

          對DataFrame數(shù)據(jù)進行排序與Series相似,Dataframe也有按sort_values()與 sort_index()分別按照值、索引進行排序。

          參數(shù)by=“columns_name”指定排序值參考列,默認(rèn)ascending=True按升序排序,指定inplace=True,將同時修改原數(shù)據(jù)??蓚魅隺xis=1,按行標(biāo)簽排序,不過用到的時候不多。

          以近期粽子銷售數(shù)據(jù)為例介紹sort_values()的使用,數(shù)據(jù)結(jié)構(gòu)如下:

        屏幕快照 2021-06-17 下午3.54.49

          比如我們按照價格進行排序,注意默認(rèn)是升序:

          import pandas as pd

          import numpy as np

          # 按照發(fā)貨地分組

          df = pd.read_csv('zongzi.csv')

          df1 = df.sort_values(by='價格')

          df1.head()

          結(jié)果:

        屏幕快照 2021-06-17 下午5.58.00

          如果按照降序排列,則需要添加參數(shù)ascending=False

          df1 = df.sort_values(by='價格',ascending=False)df1.head()

          結(jié)果:

        屏幕快照 2021-06-17 下午6.00.26

          統(tǒng)計函數(shù)

          padndas提供了豐富的統(tǒng)計、合并、分組、缺失值等操作函數(shù)。

          比如靈活高效的groupby功能,它使你能以一種自然的方式對數(shù)據(jù)集進行切片、切塊、摘要等操作。而如果使用groupby函數(shù)則肯定與下面的統(tǒng)計函數(shù)息息相關(guān)。

          常用的統(tǒng)計函數(shù)有:

          df.count() 非空元素計算

          df.min() 最小值

          df.max() 最大值

          df.idxmin() 最小值的位置,類似于R中的which.min函數(shù)

          df.idxmax() 最大值的位置,類似于R中的which.max函數(shù)

          df.quantile(0.1) 10%分位數(shù)

          df.sum() 求和

          df.mean() 均值

          df.median() 中位數(shù)

          df.mode() 眾數(shù)

          df.var() 方差

          df.std() 標(biāo)準(zhǔn)差

          df.mad() 平均絕對偏差

          df.skew() 偏度

          df.kurt() 峰度

          df.describe() 一次性輸出多個描述性統(tǒng)計指標(biāo)

          groupby使用介紹

          分組運算"split-apply-combine"(拆分-應(yīng)?-合并)。第?個階段,pandas對象(?論是Series、DataFrame還是其他的)中的數(shù)據(jù)會根據(jù)你所提供的?個或多個鍵被拆分(split)為多組。拆分操作是在對象的特定軸上執(zhí)?的。例如,DataFrame可以在其?(axis=0)或列(axis=1)上進?分組。然后,將?個函數(shù)應(yīng)?(apply)到各個分組并產(chǎn)??個新值。最后,所有這些函數(shù)的執(zhí)?結(jié)果會被合并(combine)到最終的結(jié)果對象中。

        屏幕快照 2021-06-17 下午5.36.47

          groupby的語法結(jié)構(gòu)如下:

          * by 分組的行或者列

          * axis=0 行 / 1 列

          * 如果有多層索引可以使用level

          以近期粽子銷售數(shù)據(jù)為例介紹groupby的使用:

          數(shù)據(jù)結(jié)構(gòu)如下

        屏幕快照 2021-06-17 下午3.54.49

          groupby對象的屬性和內(nèi)容獲取

          import pandas as pd

          import numpy as np

          # 按照發(fā)貨地分組

          df = pd.read_csv('zongzi.csv')

          grouped = df.groupby('發(fā)貨地')

          print(grouped)

          打印結(jié)果:

          <pandas.core.groupby.generic.dataframegroupby 0x11a97a950="" at="" object="">

          查看grouped的組成groups

          grouped.groups

        屏幕快照 2021-06-17 下午3.55.26

          當(dāng)然大家也可以對grouped進行遍歷查看結(jié)果:

          for group in grouped: print(group)

        屏幕快照 2021-06-17 下午5.41.31

          這么多分組,我們可以選擇一個分組進行查看:

          grouped.get_group('上海')

        屏幕快照 2021-06-17 下午3.55.41

          按照某一列分組并進行統(tǒng)計

          # 結(jié)合統(tǒng)計函數(shù)count(),進行發(fā)貨地的個數(shù)統(tǒng)計

          import pandas as pd

          import numpy as np

          # 按照產(chǎn)地分組并統(tǒng)計個數(shù)

          df = pd.read_csv('zongzi.csv')

          grouped = df.groupby('發(fā)貨地')

          grouped['發(fā)貨地'].count().sort_values(ascending=False) # 統(tǒng)計各個發(fā)貨地的個數(shù)并降序排列

          結(jié)果:

        屏幕快照 2021-06-17 下午3.59.36

          當(dāng)然也可以獲取各個店鋪商品的數(shù)量(注意如果是各個店鋪則是按照店鋪分組,然后再對商品名稱進行個數(shù)統(tǒng)計)

          df['商品名稱'].groupby(df['店鋪']).count().sort_values(ascending=False)

          結(jié)果:

        屏幕快照 2021-06-17 下午4.04.37

          各個店鋪的銷量總和,銷量列是字符串列

          df.info()

        屏幕快照 2021-06-17 下午4.08.04

          所以在進行求和之前我們要進行轉(zhuǎn)換,只提取銷量的數(shù)字變成整型類型的

          import pandas as pd

          import numpy as np

          import re

          df = pd.read_csv('zongzi.csv')

          # 清洗缺失值的數(shù)據(jù),進行填充

          df['銷量'].fillna('0人付款', inplace=True)

          def convert_sale(row):

          if '+' in row['銷量']:

          row['銷量'] = row['銷量'].replace('+', '')

          print(row)

          if '萬' in row['銷量']:

          return float(re.search(r'(.+)萬人付款', row['銷量']).group(1)) * 10000

          else:

          return int(re.search(r'(.+)人付款', row['銷量']).group(1))

          df['銷量1'] = df.apply(convert_sale, axis=1)

          然后計算總和:

          df['銷量1'].groupby(df['店鋪']).sum().sort_values(ascending=False)

          按照多列分組,比如每個發(fā)貨地的各個店鋪的銷量總和

          df.groupby(['發(fā)貨地','店鋪'])['銷量1'].sum().sort_values(ascending=False)

          獲取分組后的某一部分?jǐn)?shù)據(jù)可以使用如下格式:

          grouped = df.groupby(by=['O', 'N'])

          grouped.count()['M']

          或

          grouped['M'].count()

          所以運行后的結(jié)果:

        屏幕快照 2021-06-17 下午5.47.59

          當(dāng)然還有一些復(fù)雜的使用,下篇文章給大家詳細介紹。

          更多關(guān)于“Python培訓(xùn)”的問題,歡迎咨詢千鋒教育在線名師。千鋒教育多年辦學(xué),課程大綱緊跟企業(yè)需求,更科學(xué)更嚴(yán)謹(jǐn),每年培養(yǎng)泛IT人才近2萬人。不論你是零基礎(chǔ)還是想提升,都可以找到適合的班型,千鋒教育隨時歡迎你來試聽。

        tags:
        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)強師集結(jié),手把手帶你蛻變精英
        請您保持通訊暢通,專屬學(xué)習(xí)老師24小時內(nèi)將與您1V1溝通
        免費領(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
        反欺詐中所用到的機器學(xué)習(xí)模型有哪些?

        一、邏輯回歸模型邏輯回歸是一種常用的分類模型,特別適合處理二分類問題。在反欺詐中,邏輯回歸可以用來預(yù)測一筆交易是否是欺詐。二、決策樹模...詳情>>

        2023-10-14 14:09:29
        軟件開發(fā)管理流程中會出現(xiàn)哪些問題?

        一、需求不清需求不明確是導(dǎo)致項目失敗的主要原因之一。如果需求沒有清晰定義,開發(fā)人員可能會開發(fā)出不符合用戶期望的產(chǎn)品。二、通信不足溝通問...詳情>>

        2023-10-14 13:43:21
        軟件定制開發(fā)中的敏捷開發(fā)是什么?

        軟件定制開發(fā)中的敏捷開發(fā)是什么軟件定制開發(fā)中的敏捷開發(fā),從宏觀上看,是一個高度關(guān)注人員交互,持續(xù)開發(fā)與交付,接受需求變更并適應(yīng)環(huán)境變化...詳情>>

        2023-10-14 13:24:57
        什么是PlatformIo?

        PlatformIO是什么PlatformIO是一個全面的物聯(lián)網(wǎng)開發(fā)平臺,它為眾多硬件平臺和開發(fā)環(huán)境提供了統(tǒng)一的工作流程,有效簡化了開發(fā)過程,并能兼容各種...詳情>>

        2023-10-14 12:55:06
        云快照與自動備份有什么區(qū)別?

        1、定義和目標(biāo)不同云快照的主要目標(biāo)是提供一種快速恢復(fù)數(shù)據(jù)的方法,它只記錄在快照時間點后的數(shù)據(jù)變化,而不是所有的數(shù)據(jù)。自動備份的主要目標(biāo)...詳情>>

        2023-10-14 12:48:59
        桃源县| 清水河县| 沙湾县| 聂拉木县| 两当县| 漯河市| 南皮县| 乐山市| 呼和浩特市| 凉城县| 开远市| 海城市| 岫岩| 仙游县| 江津市| 鹤壁市| 南漳县| 沐川县| 淮南市| 林口县| 台湾省| 滨州市| 司法| 来宾市| 安国市| 万全县| 昌乐县| 沧源| 左权县| 河曲县| 肥乡县| 分宜县| 罗田县| 陆川县| 黄石市| 任丘市| 宁南县| 霍邱县| 禄丰县| 柏乡县| 东至县|