这里只是展示方法,用到数据只有15行
案例数据
import pandas as pd
import numpy as np
data = pd.read_excel('模拟数据.xlsx')
data.head()
导入模拟数
len(data) #数据行数
len(data.columns) #数据列数
data.info() #数据各列详细信息
data.describe() #默认,值统计数值型列
data.describe(include='all') #所有列
data.describe(include='object') #只针对列为字符型
查看数据行、列
data.dtypes
查看数据类型
data[data['性别']=='男']
data[data['年龄']>=30]
data[(data['年龄']>=30) & (data['性别']=='男')] #两个条件 与
data[(data['年龄']>=30) | (data['性别']=='男')] #两个条件 或
数据筛选
data.loc[data['姓名']=='张三','性别']='女' #把张三 性别 修改为:女
data
修改数据
data #性别、年龄 里面各有个缺失值
int(data['年龄'].mean(skipna=True))
#年龄的缺失值,用平均值来代替
data['年龄'].fillna(int(data['年龄'].mean(skipna=True)),inplace=True)
data
data['性别'].fillna('其他',inplace=True)
data
缺失值替换
#方法一
data.loc[15]=[16,'new',55,'女',350,4,50]
data
#方法二
data_new = pd.DataFrame([[16,'new',55,'女',350,4,50]],columns=data.columns)
pd.concat([data,data_new],ignore_index=True)
添加行
添加列相对比较简单,直接赋值即可
data['new_column_1']=0
data['new_column_2']='new'
添加列
data.loc[15]=[16,'new',55,'女',350,4,50,0,'new'] #先添加一个测试行
data
data.drop(index=15,inplace=True) #删除行
data
删除行
data.drop(columns='new_column_1') #返回删除后的新数据,原始数据不变
data.drop(columns=['new_column_1','new_column_2']) #返回删除后的新数据,原始数据不变
data.drop(columns=['new_column_1','new_column_2'],inplace=True) #在原始数据上处理
data
删除列
data
data[['性别','消费频次']]
data[['性别','消费频次']].drop_duplicates(keep='first') #保留第1个,一般结合排序使用
data[['性别','消费频次']].drop_duplicates(keep='last') #保留最后1个,一般结合排序使用
#根据 性别、消费频次 2列进行去重
data.drop_duplicates(subset=['性别','消费频次'],keep='first')
数据去重
相对Excel方便很多
data
data.sort_values(by='消费金额',ascending=True)
data.sort_values(by='消费金额',ascending=False)
data.sort_values(by=['消费频次','消费金额'],ascending=[False,True])
数据排序
data
data['性别'].value_counts()
data['性别'].value_counts(normalize=True) #百分比
data.value_counts(subset='性别')
data.value_counts(subset=['消费频次'],sort=True,ascending=True)
数据统计
data
pd.pivot_table(data,index=['性别'],aggfunc='count')
pd.pivot_table(data,index=['性别'],values=['姓名'],aggfunc='count')
pd.pivot_table(data,index=['性别'],
columns=['消费频次'],
values=['姓名'],
aggfunc='count',
fill_value=0)
pd.pivot_table(data,index=['性别'],
columns=['消费频次'],
values=['姓名'],
aggfunc='sum',
fill_value=0)
pd.pivot_table(data,index=['性别'],
columns=['消费频次'],
values=['消费金额'],
aggfunc='sum',
fill_value=0)
pd.pivot_table(data,index=['性别'],
columns=['消费频次'],
values=['最近一次消费距今间隔天数'],
aggfunc='mean',
fill_value=0)
数据透视表
data
data['消费金额'].sum()
sum函数
data
data.count()
data['姓名'].count()
count函数
data
#方法一
data['性别_处理']=data['性别'].map(lambda x:1 if x=='男' else 0)
#方法二
def gender(x):
if x=='男':
return 1
else:
return 0
data['性别_处理2']=data['性别'].map(gender)
#方法三
dict_gender={'男':1,'女':0 ,'其他':0}
data['性别_处理3']=data['性别'].map(dict_gender)
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。