科学计算拓展排序 sort_index sort_values值计数value_countsgroupby分组apply聚合

DC童生

发布于 2018-04-28 11:46:31

7980

发布于 2018-04-28 11:46:31

文章被收录于专栏：机器学习原理机器学习原理

前言：这里开始涉及到数据处理，例如给你几千行几千列的数据，对这些数据进行分类聚合
排序 sort_index sort_values
参数：ascending =False 倒序 axis=1 行索引一般情况下对Series 值进行排序比较多
索引排序

image.png

值排序参数默认对列值进行排序，加上by=" ",某一列 ascending =False倒序

image.png

rank 参数：method=“first”，默认按列进行排序
值计数value_counts

对值进行出现的次数统计

groupby分组

返回一个可迭代对象，每次迭代结果是一个元组

参数：某一列的索引

取某一列，按照某一列进行排序。

s=df6[["name",'money']].groupby(df6["address"])
for i in s:
    print(i)

对这个可迭代对象就行聚合 .mean()

apply聚合

类似于map（）

参数：函数

行重新命名：df.columns=[" "]
把两个df合并：pd.concat([df1,df2])
new_ave=df.replace(0,int(averge))
list1=list(new_ave.columns)
list1.remove("Id")
list1.remove("zwyx")
list1
new_d=DataFrame([])
for i in list1:
    d=new_ave[i].value_counts()
    n_d=DataFrame(d)
    n_d.columns=['values']
    new_d = pd.concat([new_d,n_d])  
new_d

# 在 2010 年至 2012 年间人口平均量是怎么样的
df1 = pd.read_csv("census.csv")
df1 = df1[df1["SUMLEV"]==50]
def f(x):
    pe= x[['ESTIMATESBASE2010','RDOMESTICMIG2011','RDOMESTICMIG2012']]
    return pd.Series([x['CTYNAME'],pe.mean()])#把得到的结果也进行Series，更好看
df1.apply(f,axis=1)

我的机器学习pandas篇

我的机器学习matplotlib篇

我的机器学习numpy篇*

本文参与腾讯云自媒体分享计划，分享自作者个人站点/博客。

原始发表：2018.01.29 ，如有侵权请联系 cloudcommunity@tencent.com 删除

数据处理