python的pandas有哪些基本操作

本篇内容介绍了“python的pandas有哪些基本操作”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！

创新互联公司成都企业网站建设服务，提供成都网站设计、做网站网站开发,网站定制,建网站,网站搭建,网站设计,成都响应式网站建设,网页设计师打造企业风格网站,提供周到的售前咨询和贴心的售后服务。欢迎咨询做网站需要多少钱:18982081108

概述

python 的 pandas 库用来处理表格类型（也就是矩阵）的数据非常方便，这个库用来在可视化之前对数据进行变换，计算和汇总之类的操作再好不过。

下面整理了最近我在做数据分析的短视频时常用的一些方法。

读取数据文件

做视频之前，我采集的数据都是用 csv 格式保存的，这里主要演示 pandas 库的 read_csv 方法。读取其他文件格式的方式类似，主要是函数名称不同，参数都差不多。

读取 csv 文件

读取 csv 文件非常简单，指定 csv 文件的路径即可。测试用 csv 文件内容如下：

IP地址,手机号,登录日期
223.104.147.75,19951762925,"2021-04-15 01:33:08"
117.181.52.75,15873565020,"2021-04-15 01:48:24"
42.49.165.99,18673535620,"2021-04-15 02:14:40"
14.116.141.24,18673535620,"2021-04-15 05:01:40"

# -*- coding: utf-8 -*-

import pandas as pd

def test():
    df = pd.read_csv(
        "~/share/test.csv",
    )
    print(df)


if __name__ == "__main__":
    test()

程序运行结果：

$ python test.py
                  IP地址          手机号码                 登录日期
0       223.104.147.75  1.995176e+10  2021-04-15 01:33:08
1        117.181.52.75  1.587357e+10  2021-04-15 01:48:24
2         42.49.165.99  1.867354e+10  2021-04-15 02:14:40
3        14.116.141.24  1.867354e+10  2021-04-15 05:01:40

读取之后修改列的名称，指定列的类型

csv 文件中的列名有时候没有，或者有时候是中文的，列名是后续进行操作数据时使用的 key，一般在读取时将其转换成英文。同时，可以看出手机号码默认被当成数值类型了，所以用科技计数法来表示，在读取数据时，可以设置此列为字符串类型。

# -*- coding: utf-8 -*-

import pandas as pd

def test():
    df = pd.read_csv(
        "~/share/test.csv",
        skiprows=[0],
        names=["ip", "mobile", "login_date"],
        dtype={"mobile": str},
    )
    print(df)


if __name__ == "__main__":
    test()

skiprows 可以用来忽略第一行标题，因为我们用 names 指定了新的标题名称。
dtype 用来指定某列的类型，不指定的话，系统自动推断类型。

程序运行结果：

$ python test.py
                    ip       mobile           login_date
0       223.104.147.75  19951762925  2021-04-15 01:33:08
1        117.181.52.75  15873565020  2021-04-15 01:48:24
2         42.49.165.99  18673535620  2021-04-15 02:14:40
3        14.116.141.24  18673535620  2021-04-15 05:01:40

列的名称已替换，手机号码也正常显示。

读取 csv 文件的某几列

在分析数据时，有时候我们不需要采集的所有数据，只取其中需要的几列数据。比如上面的 csv，如果只分析 IP 地址和登录时间，读取文件时，可以只取这 2 列数据。

# -*- coding: utf-8 -*-

import pandas as pd

def test():
    df = pd.read_csv(
        "~/share/test.csv",
        skiprows=[0],
        usecols=[0, 2],
        names=["ip", "login_date"],
    )
    print(df)


if __name__ == "__main__":
    test()

通过 usecols 来指定需要那几列。程序运行结果：

$ python test.py
                    ip           login_date
0       223.104.147.75  2021-04-15 01:33:08
1        117.181.52.75  2021-04-15 01:48:24
2         42.49.165.99  2021-04-15 02:14:40
3        14.116.141.24  2021-04-15 05:01:40

读取时对某些列进行转换

有些列的格式，比如日期格式的列，可能在分析之前就要进行转换处理。上面的例子中，如果是按日分析登录情况，就不要时分秒的部分，这样我们可以在读取时就进行转换处理。

# -*- coding: utf-8 -*-
from datetime import datetime

import pandas as pd

def test():
    df = pd.read_csv(
        "~/share/test.csv",
        skiprows=[0],
        usecols=[0, 2],
        names=["ip", "login_date"],
        converters={
            "login_date": lambda d: datetime.strptime(d, "%Y-%m-%d %H:%M:%S").strftime(
                "%Y-%m-%d"
            )
        },
    )
    print(df)


if __name__ == "__main__":
    test()

通过 converters 参数转换某列。程序运行结果：

$ python test.py
                    ip  login_date
0       223.104.147.75  2021-04-15
1        117.181.52.75  2021-04-15
2         42.49.165.99  2021-04-15
3        14.116.141.24  2021-04-15

数据的操作

读取文件之后，得到一个 dataframe 结构，它可以当成一个矩阵来看。基于 dataframe，可以完成各种计算操作，pandas 提供的 API 也很多，这里只介绍我平时常用的一部分。

分组统计

之前做房价分析时，按月分析成交平均值和成交总套数时，都用到了分组统计。分析的第一步就是将数据分组。

# -*- coding: utf-8 -*-

import pandas as pd

test_data = {
    "name": ["a", "b", "c", "d"],
    "value": [11, 20, 31, 42],
    "date": ["2017", "2018", "2018", "2017"],
}


def main():
    df = pd.DataFrame(test_data)
    data = df.groupby("date")
    data = data.sum()
    print(data)


if __name__ == "__main__":
    main()

按照日期分组之后，运行结果如下：

$ python test2.py
      value
date
2017     53
2018     51

这里是求和，groupby 之后同样也可以求平均值。

数据集变换

数据集变换是用的比较多的，因为采集和分析的过程是分开的，采集的目的是数据尽量全和准确。所以分析之前会根据分析目的会对数据进行适当的变换。

行操作

行操作主要指从数据集中过滤出一部分数据，或者合并多个数据集。

过滤数据

# -*- coding: utf-8 -*-

import pandas as pd

test_data = {
    "name": ["a", "b", "c", "d"],
    "value": [11, 20, 31, 42],
    "date": ["2017", "2018", "2018", "2017"],
}


def main():
    df = pd.DataFrame(test_data)
    # 选取2017年的数据
    data2017 = df[df["date"] == "2017"]
    print(data2017)

    # 选取value>30 的数据
    data30 = df[df["value"] > 30]
    print(data30)


if __name__ == "__main__":
    main()

运行结果如下：

$ python test2.py
  name  value  date
0    a     11  2017
3    d     42  2017
  name  value  date
2    c     31  2018
3    d     42  2017

可以很方便的直接使用列名来过滤数据行

合并数据集

# -*- coding: utf-8 -*-

import pandas as pd

test_data_01 = {
    "name": ["a", "b", "c", "d"],
    "value": [11, 20, 31, 42],
    "date": ["2017", "2018", "2018", "2017"],
}

test_data_02 = {
    "name": ["a", "b", "c", "d"],
    "value": [31, 40, 51, 72],
    "date": ["2019", "2020", "2020", "2019"],
}


def main():
    df01 = pd.DataFrame(test_data_01)
    df02 = pd.DataFrame(test_data_02)

    # 合并数据集时，设置 ignore_index = True，可以避免index重复
    data = pd.concat([df01, df02], ignore_index=True)
    print(data)


if __name__ == "__main__":
    main()

运行结果如下：

$ python test2.py
  name  value  date
0    a     11  2017
1    b     20  2018
2    c     31  2018
3    d     42  2017
4    a     31  2019
5    b     40  2020
6    c     51  2020
7    d     72  2019

如果不设置 ignore_index = True，执行结果如下：（注意第一列有重复）

$ python test2.py
  name  value  date
0    a     11  2017
1    b     20  2018
2    c     31  2018
3    d     42  2017
0    a     31  2019
1    b     40  2020
2    c     51  2020
3    d     72  2019

列操作

列操作我用到的场景，有一个是横向统计各个列的合计和平均值。示例如下：

# -*- coding: utf-8 -*-

import pandas as pd

test_data_01 = {
    "a": [11, 20],
    "b": [1, 2],
}


def main():
    df = pd.DataFrame(test_data_01)

    df["a+b"] = df["a"] + df["b"]
    df["(a+b)/2"] = (df["a"] + df["b"]) / 2
    print(df)


if __name__ == "__main__":
    main()

运行结果如下：

$ python test2.py
    a  b  a+b  (a+b)/2
0  11  1   12      6.0
1  20  2   22     11.0

还有就是进行数据集的列合并，比如将多个数据集的统计结果进行合并：

# -*- coding: utf-8 -*-

import pandas as pd

test_data_01 = {
    "a": [11, 20],
    "b": [1, 2],
}

test_data_02 = {
    "c": [18, 50],
    "d": [31, 32],
}


def main():
    df01 = pd.DataFrame(test_data_01)
    df02 = pd.DataFrame(test_data_02)

    df01["a+b"] = df01["a"] + df01["b"]
    df01["(a+b)/2"] = (df01["a"] + df01["b"]) / 2
    df01 = df01.drop(columns=["a", "b"])

    df02["c+d"] = df02["c"] + df02["d"]
    df02["(c+d)/2"] = (df02["c"] + df02["d"]) / 2
    df02 = df02.drop(columns=["c", "d"])

    df = pd.concat([df01, df02], axis=1)
    print(df)


if __name__ == "__main__":
    main()

运行结果如下：

$ python test2.py
   a+b  (a+b)/2  c+d  (c+d)/2
0   12      6.0   49     24.5
1   22     11.0   82     41.0

行列互换

行列互换我一般是在做动态短视频时使用的，把每个时间点一行数据（数据包含各个元素），变成每个元素在每个时间点一个数据。

开始时，数据类似：

date,a,b
2017,1,2
2018,2,3

转换后变成：

key,date,value
a,2017,1
a,2018,2
b,2017,2
b,2018,3

转换代码：

# -*- coding: utf-8 -*-

import pandas as pd

test_data = {
    "date": ["2017", "2018"],
    "a": [1, 2],
    "b": [2, 3],
}


def main():
    df = pd.DataFrame(test_data)
    print("转换前：>>>>>>")
    print(df)

    data = df.drop(columns=["date"])
    data = pd.melt(data)

    df_date = pd.concat([df["date"]] * 2, ignore_index=True)
    data = pd.concat([df_date, data], axis=1)
    print("\n转换后：>>>>>>")
    print(data)


if __name__ == "__main__":
    main()

运行结果如下：

$ python test2.py
转换前：>>>>>>
   date  a  b
0  2017  1  2
1  2018  2  3

转换后：>>>>>>
   date variable  value
0  2017        a      1
1  2018        a      2
2  2017        b      2
3  2018        b      3

导出数据文件

导出文件很简单，只要指定个路径即可（注意，路径不存在会报错）。

data.to_csv("./test.csv")

导出时，如果不想导出每行数据的序号，加上 index=False

data.to_csv("./test.csv", index=False)

如果给标题行重新命名成易懂的中文名称，设置 header 参数。

data.to_csv(
    "./test.csv",
    index=False,
    header=[
        "日期",
        "名称",
        "时间(小时)",
    ],
)

总结

掌握了 pandas，感觉是多了一件随便操作数据集的利器，能够极大节省调整数据的时间。而且，它的处理速度极快，我在自己的笔记本电脑上处理成千上万条数据时基本都是瞬间完成，同样的数据，我用 excel 来处理，会卡顿很多。

“python的pandas有哪些基本操作”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注创新互联网站，小编将为大家输出更多高质量的实用文章！

新闻标题：python的pandas有哪些基本操作
当前链接：http://chengdu.cdxwcx.cn/article/jsjjge.html

甜橘子，专注成都网站制作网站设计与营销型网站建设与优化

首页

网站建设

网站制作案例

解决方案

网站设计报价

网站制作动态

关于我们

联系我们

成都网站建设设计将想法与焦点和您一起共享

python的pandas有哪些基本操作

概述

读取数据文件

读取 csv 文件

读取之后修改列的名称，指定列的类型

读取 csv 文件的某几列

读取时对某些列进行转换

数据的操作

分组统计

数据集变换

行操作

列操作

行列互换

导出数据文件

总结

其他资讯

如何使用xcache-2.0给php加速

mysql中用户管理和权限控制的示例分析

三分钟了解MySQL的简单概念

使用国内源安装k8s

HTML的元素有哪些

甜橘子，专注成都网站制作网站设计与营销型网站建设与优化

成都网站建设设计 将想法与焦点和您一起共享

python的pandas有哪些基本操作

概述

读取数据文件

读取 csv 文件

读取之后修改列的名称，指定列的类型

读取 csv 文件的某几列

读取时对某些列进行转换

数据的操作

分组统计

数据集变换

行操作

列操作

行列互换

导出数据文件

总结

其他资讯

如何使用xcache-2.0给php加速

mysql中用户管理和权限控制的示例分析

三分钟了解MySQL的简单概念

使用国内源安装k8s

HTML的元素有哪些

成都网站建设设计将想法与焦点和您一起共享