前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >Python数据处理从零开始----第三章(pandas)⑤pandas与R目录

Python数据处理从零开始----第三章(pandas)⑤pandas与R目录

作者头像
用户1359560
发布2018-12-24 11:33:00
4140
发布2018-12-24 11:33:00
举报
文章被收录于专栏:生信小驿站生信小驿站

目录

第三章(pandas)

Python数据处理从零开始----第三章(pandas)①删除列
Python数据处理从零开始----第三章(pandas)②处理缺失数据
Python数据处理从零开始----第三章(pandas)③数据标准化(1)
Python数据处理从零开始----第三章(pandas)④数据合并和处理重复值
Python数据处理从零开始----第三章(pandas)⑤pandas与R

===============================================

代码语言:javascript
复制
import numpy as np
import pandas as pd

创建DataFrame

代码语言:javascript
复制
In [2]:
df = pd.DataFrame({'col_a': np.arange(10), 
                   'col_b': np.random.randn(10), 
                   'col_c': np.random.choice(['A', 'B', 'C'], 10), 
                   'col_d': np.random.choice([0, 1], 10)})
df.head(5)

# R code:
# df <- data.frame(col_a = 0:9,
#                  col_b = rnorm(10),
#                  col_c = sample(c('A', 'B', 'C'), size = 10, replace = TRUE),
#                  col_d = sample(c(0, 1), size = 10, replace = TRUE), 
#                  stringsAsFactors = FALSE)
# head(df, 5)
Out[2]:
col_a   col_b   col_c   col_d
0   0   0.308520    C   1
1   1   -1.829450   B   1
2   2   -0.710135   C   0
3   3   1.354760    A   0
4   4   -0.581359   A   1

获取DataFrame维度

代码语言:javascript
复制
In [3]:
print(df.shape, df.shape[0], df.shape[1])

# R code:
# dim(df), rnow(df), ncol(df)

(10, 4) 10 4

获取DataFrame列名

代码语言:javascript
复制
In [4]:
df.columns

# R code:
# names(df)
Out[4]:
Index(['col_a', 'col_b', 'col_c', 'col_d'], dtype='object')

数据选取

代码语言:javascript
复制
In [5]:
# 选取前5行数据
df.iloc[:5]

# R code:
# df[1:5, ]
Out[5]:
col_a   col_b   col_c   col_d
0   0   0.308520    C   1
1   1   -1.829450   B   1
2   2   -0.710135   C   0
3   3   1.354760    A   0
4   4   -0.581359   A   1
代码语言:javascript
复制
# 选取col_a和col_b列
df[['col_a', 'col_b']]

# R code:
# df[, c('col_a', 'col_b')]
Out[6]:
col_a   col_b
0   0   0.308520
1   1   -1.829450
2   2   -0.710135
3   3   1.354760
4   4   -0.581359
5   5   1.633542
6   6   -0.253950
7   7   1.799087
8   8   0.412991
9   9   0.374330
代码语言:javascript
复制
# 选取前5行和前2列
df.iloc[:5, :2]

# R code:
# df[1:5, 1:2]
Out[7]:
col_a   col_b
0   0   0.308520
1   1   -1.829450
2   2   -0.710135
3   3   1.354760
4   4   -0.581359
代码语言:javascript
复制
# 选取单个值(scalar)
df.iat[0, 1]

# R code:
# df[1, 2]
Out[8]:
0.3085196186883713

按条件选取数据

代码语言:javascript
复制
In [9]:
df[(df['col_a'] > 3) & (df['col_b'] < 0)]
# or 
# df.query('col_a > 3 & col_b < 0')

# R code:
# df[df$col_a > 3 & df$col_b < 0, ]
Out[9]:
col_a   col_b   col_c   col_d
4   4   -0.581359   A   1
6   6   -0.253950   B   1
In [10]:
df[df['col_c'].isin(['A', 'B'])]

# R code:
# df[df$col_c %in% c('A', 'B'), ]
Out[10]:
col_a   col_b   col_c   col_d
1   1   -1.829450   B   1
3   3   1.354760    A   0
4   4   -0.581359   A   1
5   5   1.633542    B   1
6   6   -0.253950   B   1
7   7   1.799087    A   1
9   9   0.374330    A   0

增加新列

代码语言:javascript
复制
In [11]:
df['col_e'] = df['col_a'] + df['col_b']
df

# df$col_e <- df$col_a + df$col_b
Out[11]:
col_a   col_b   col_c   col_d   col_e
0   0   0.308520    C   1   0.308520
1   1   -1.829450   B   1   -0.829450
2   2   -0.710135   C   0   1.289865
3   3   1.354760    A   0   4.354760
4   4   -0.581359   A   1   3.418641
5   5   1.633542    B   1   6.633542
6   6   -0.253950   B   1   5.746050
7   7   1.799087    A   1   8.799087
8   8   0.412991    C   0   8.412991
9   9   0.374330    A   0   9.374330

删除列

代码语言:javascript
复制
In [12]:
# 删除col_e列
df = df.drop(columns='col_e')
df

# R code:
# df <- df[, !names(df) == 'col_e']
Out[12]:
col_a   col_b   col_c   col_d
0   0   0.308520    C   1
1   1   -1.829450   B   1
2   2   -0.710135   C   0
3   3   1.354760    A   0
4   4   -0.581359   A   1
5   5   1.633542    B   1
6   6   -0.253950   B   1
7   7   1.799087    A   1
8   8   0.412991    C   0
9   9   0.374330    A   0
In [13]:
# 删除第一列
df.drop(columns=df.columns[0])

# R code:
# df[, -1]
Out[13]:
col_b   col_c   col_d
0   0.308520    C   1
1   -1.829450   B   1
2   -0.710135   C   0
3   1.354760    A   0
4   -0.581359   A   1
5   1.633542    B   1
6   -0.253950   B   1
7   1.799087    A   1
8   0.412991    C   0
9   0.374330    A   0

转置

代码语言:javascript
复制
In [14]:
df.T

# R code:
# t(df)
Out[14]:
0   1   2   3   4   5   6   7   8   9
col_a   0   1   2   3   4   5   6   7   8   9
col_b   0.30852 -1.82945    -0.710135   1.35476 -0.581359   1.63354 -0.25395    1.79909 0.412991    0.37433
col_c   C   B   C   A   A   B   B   A   C   A
col_d   1   1   0   0   1   1   1   1   0   0

数据类型转换

代码语言:javascript
复制
In [15]:
df['col_a'].astype(str)

# as.character(df$col_a)
Out[15]:
0    0
1    1
2    2
3    3
4    4
5    5
6    6
7    7
8    8
9    9
Name: col_a, dtype: object

转换为类别(categories)/因子(factor)类型

代码语言:javascript
复制
In [16]:
pd.Categorical(df['col_c'])

# factor(df$col_d)
Out[16]:
[C, B, C, A, A, B, B, A, C, A]
Categories (3, object): [A, B, C]

数据汇总 按行进行计算

代码语言:javascript
复制
In [17]:
df[['col_a', 'col_b']].sum(axis=1)

# R code:
# apply(df[, c('col_a', 'col_b')], 1, sum)
Out[17]:
0    0.308520
1   -0.829450
2    1.289865
3    4.354760
4    3.418641
5    6.633542
6    5.746050
7    8.799087
8    8.412991
9    9.374330
dtype: float64

按列进行计算

代码语言:javascript
复制
In [18]:
df[['col_a', 'col_b']].mean(axis=0)

# R code:
# apply(df[, c('col_a', 'col_b')], 2, mean)
Out[18]:
col_a    4.500000
col_b    0.250834
dtype: float64
In [19]:
df[['col_a', 'col_b']].apply(lambda x: x.mean() + 10)

# R code:
# apply(df[, c('col_a', 'col_b')], 2, function(x) mean(x) + 10)
Out[19]:
col_a    14.500000
col_b    10.250834
dtype: float64

数据合并 合并列

代码语言:javascript
复制
In [20]:
df2 = pd.DataFrame({'col_x': np.arange(10), 
                    'col_y': np.arange(10)[::-1]})
df2
Out[20]:
col_x   col_y
0   0   9
1   1   8
2   2   7
3   3   6
4   4   5
5   5   4
6   6   3
7   7   2
8   8   1
9   9   0
In [21]:
pd.concat([df, df2], axis=1)


# R code:
# cbind(df, df2)
Out[21]:
col_a   col_b   col_c   col_d   col_x   col_y
0   0   0.308520    C   1   0   9
1   1   -1.829450   B   1   1   8
2   2   -0.710135   C   0   2   7
3   3   1.354760    A   0   3   6
4   4   -0.581359   A   1   4   5
5   5   1.633542    B   1   5   4
6   6   -0.253950   B   1   6   3
7   7   1.799087    A   1   7   2
8   8   0.412991    C   0   8   1
9   9   0.374330    A   0   9   0

合并行

代码语言:javascript
复制
In [22]:
df3 = pd.DataFrame({'col_a': [-1, -2], 
                    'col_b' : [0, 1], 
                    'col_c': ['B', 'C'], 
                    'col_d': [1, 0]})
df3
Out[22]:
col_a   col_b   col_c   col_d
0   -1  0   B   1
1   -2  1   C   0
In [23]:
pd.concat([df, df3], axis=0, ignore_index=True)

# R code:
# rbind(df, df3)
Out[23]:
col_a   col_b   col_c   col_d
0   0   0.308520    C   1
1   1   -1.829450   B   1
2   2   -0.710135   C   0
3   3   1.354760    A   0
4   4   -0.581359   A   1
5   5   1.633542    B   1
6   6   -0.253950   B   1
7   7   1.799087    A   1
8   8   0.412991    C   0
9   9   0.374330    A   0
10  -1  0.000000    B   1
11  -2  1.000000    C   0
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:2018.12.04 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 目录
    • 第三章(pandas)
    领券
    问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档