实战 | 快速上手Pandas

项目介绍

pandas是python数据分析中很是经常使用的一个模块，pandas中功能较多学起来有必定难度，本片文章经过一些简单例子带你们快速上手pandas。
python

咱们要用的森林植被的数据，文件名为parks.csv。git

首先先载入pandas：web

  
  
  
   
   
            
   
   
   
   
   
    
    
             
    
    微信
  
  
  
   
   
            
   
   
import pandas as pd

而后用pandas读入数据，把公园编号'Park Code'设置为index网络

  
  
  
   
   
            
   
   
   
   
   
    
    
             
    
    app
   
   
   
    
    
             
    
    机器学习
   
   
   
    
    
             
    
    ide
  
  
  
   
   
            
   
   
df = pd.read_csv('parks.csv', index_col=['Park Code'])# 显示出前5行df.head(5)

数据的列分别为：公园名字，公园在哪一个州，公园大小，维度，经度函数

获取单行数据：学习

使用.iloc 加上行索引获取单行数据

Park Name Badlands National Park

State SD

Acres 242756

Latitude 43.75

Longitude -102.5

Name: BADL, dtype: object

使用 .loc 方法加上index的名称获取单行数据

  
  
  
   
   
            
   
   
   
   
   
    
    
             
    
    
  
  
  
   
   
            
   
   
df.loc['BADL']

Park Name Badlands National Park

State SD

Acres 242756

Latitude 43.75

Longitude -102.5

Name: BADL, dtype: object

获取多行数据：

loc加上多行数据的名称

  
  
  
   
   
            
   
   
   
   
   
    
    
             
    
    
  
  
  
   
   
            
   
   
df.loc[['BADL', 'ARCH', 'ACAD']]

iloc加上行索引

  
  
  
   
   
            
   
   
   
   
   
    
    
             
    
    
  
  
  
   
   
            
   
   
df.iloc[[2, 1, 0]]

获取数据分片

  
  
  
   
   
            
   
   
   
   
   
    
    
             
    
    
   
   
   
    
    
             
    
    
  
  
  
   
   
            
   
   
# 获取前3行数据df[:3]

  
  
  
   
   
            
   
   
   
   
   
    
    
             
    
    
   
   
   
    
    
             
    
    
  
  
  
   
   
            
   
   
# 获取后3行数据df[-3:]

获取单列数据 得到State这一列数据的前3行

  
  
  
   
   
            
   
   
   
   
   
    
    
             
    
    
  
  
  
   
   
            
   
   
df['State'].head(3)

Park Code

ACAD ME

ARCH UT

BADL SD

Name: State, dtype: object

使用下面df.State方法能够得到一样效果

  
  
  
   
   
            
   
   
   
   
   
    
    
             
    
    
  
  
  
   
   
            
   
   
df.State.head(3)

Park Code

ACAD ME

ARCH UT

BADL SD

Name: State, dtype: object

df.Park Code 将会出错，由于Park Code中间有空格

  
  
  
   
   
            
   
   
   
   
   
    
    
             
    
    
  
  
  
   
   
            
   
   
df.Park Code

File " ", line 1 df.Park Code ^ SyntaxError: invalid syntax

咱们能够把全部列的名称中的空格都替换成 _避免出错

  
  
  
   
   
            
   
   
   
   
   
    
    
             
    
    
   
   
   
    
    
             
    
    
  
  
  
   
   
            
   
   
df.columns = [col.replace(' ', '_').lower() for col in df.columns]print(df.columns)p=msno.bar(diabetes_data)

Index(['park_name', 'state', 'acres', 'latitude', 'longitude'], dtype='object')

获取多列数据

  
  
  
   
   
            
   
   
   
   
   
    
    
             
    
    
   
   
   
    
    
             
    
    
  
  
  
   
   
            
   
   
columns = ['state', 'acres']df[columns][:3]

选择数据的子集选择state=='UT'的数据，False表示条件该行条件不成立，True表示该行条件成立

  
  
  
   
   
            
   
   
   
   
   
    
    
             
    
    
  
  
  
   
   
            
   
   
 (df.state == 'UT').head()

Park Code

ACAD False

ARCH True

BADL False

BIBE False

BISC False

Name: state, dtype: bool

选择全部state=='UT'结果为True的行

  
  
  
   
   
            
   
   
   
   
   
    
    
             
    
    
  
  
  
   
   
            
   
   
df[df.state == 'UT']

更复杂一些的数据提取，获取纬度大于60或者面积大于10^6的数据的前三行

  
  
  
   
   
            
   
   
   
   
   
    
    
             
    
    
  
  
  
   
   
            
   
   
df[(df.latitude > 60) | (df.acres > 10**6)].head(3)

对park_name中的字符以空格作切分，切分后放入lambda x: len(x) == 3函数中作判断，若是判断正确返回True，判断错误返回False

  
  
  
   
   
            
   
   
   
   
   
    
    
             
    
    
  
  
  
   
   
            
   
   
df[df['park_name'].str.split().apply(lambda x: len(x) == 3)].head(3)

state中的数字为['WA', 'OR', 'CA']中的一个则为True，不然为False

  
  
  
   
   
            
   
   
   
   
   
    
    
             
    
    
  
  
  
   
   
            
   
   
df[df.state.isin(['WA', 'OR', 'CA'])].head()