[数据分析工具] Pandas 功能介绍（二）

条件过滤

咱们须要看第一季度的数据是怎样的，就须要使用条件过滤

体感的温馨适湿度是40-70，咱们试着过滤出体感温馨湿度的数据

最后整合上面两种条件，在一季度体感湿度比较温馨的数据

列排序

数据按照某列进行排序

“by”参数可使用字符串，也能够是列表，ascending 的参数也能够是单个值或者列表

ascending 默认值是 True

列中的每行上的 apply 函数

在前一篇的增长列的部分，根据风速计算人体感受是否温馨，为了功能的演示，在这里使用 DataFrame 的 apply 方法，他会在指定列的每一个值上执行。详见代码：

均值和标准差

咱们经过 describe 方法查看的统计信息中均值和方差都是按照列统计呢，这里要说的，既能够按照列，还能够按照行

均值，行 df.mean(axis=0)，列df.mean(axis=1)

方差，行 df.std(axis=0)，列df.std(axis=1)

DataFrame 转换为 Numpy

DataFrame 合并

链接合并

在两个 df 的结果一致的状况下，咱们能够简单两个 df 拼接起来

垂直（行）拼接，pd.concat([df1,df2],axis=0)，水平（列）拼接，pd.concat([df1,df2],axis=1)

基于索引关键字合并

Pandas 还提供了像 SQL 同样的链接，内联，外联，左联，右联

做为咱们的示例数据，能够惟一标识一行的就是 Datatime 列

merged_df = df_1.merge(df_2, how='left', on='datetime')

在 DataFrame 中查找 NaN

每行有多少 NaN，df.isnull().sum()

Dataframe 中 NaN 的总数，上面统计出来的数量求和，df.isnull().sum().sum()

分组 Group By

分组在数据统计的时候常常使用。特别是统计数量、计算和、求平均值，等等。

咱们在这里统计一下每一个季度的假期数是多少

在统计一下，每一个季度的平均分风速是多少

定义范围

若是咱们想根据风力把风的等级区分出来，你可能可快就想到上面刚刚介绍的 apply，不过，如今介绍另一种方式

经过这两次的分享，咱们已经了解了 pandas 数据处理经常使用的方式方法。

文件内容简单说明：

文件地址：

bikeshare.zip

 

云+社区：[数据分析工具] Pandas 功能介绍（二）

知乎：[数据分析工具] Pandas 功能介绍（二）