中文字幕理论片,69视频免费在线观看,亚洲成人app,国产1级毛片,刘涛最大尺度戏视频,欧美亚洲美女视频,2021韩国美女仙女屋vip视频

pandas是數(shù)據(jù)分析師最常用的工具之一，掌握以下函數(shù)足以應(yīng)對工作中的各種需求，

• P4 數(shù)據(jù)集描述

• P5 重命名列名稱

• P6 刪除列

• P7 整體排序

• P8 通過列條件篩選數(shù)據(jù)

• P9 多條件篩選

• P11 怎樣使用axis參數(shù)

• P12 字符串方法

• P13 改變數(shù)據(jù)類型

• P14 什么時候使用groupby

• P15 探索series

• P16 處理缺失值

• P17 關(guān)于index

• P18 選擇多行或多列

• P21 減少dataframe占用內(nèi)存

• P24 創(chuàng)建虛擬變量(one-hot編碼)

• P25 時間字段處理

• P26 去除重復(fù)項

• P27 怎樣避免SettingWithCopyWarming

• P28 改變顯示選項

• P29 創(chuàng)建Dateframe的方式

• P30 對DataFrame或Series使用函數(shù)

P4 數(shù)據(jù)集描述

P5 重命名列名稱

df.columnsdf.rename(columns={'name1':'rename1', 'name2':'rename2'}, inplace=True)df_newcolumns = ['rename1', 'rename2']df.columns = df_newcolumns# 替換列名中的字符df.columns = df.columns.str.replace(' ', '_')

P6 刪除列

P7 整體排序

df['name1'].sort_values(ascending=False) # ascending=False 倒序df.sort_values('name', ascending=False)df.sort_values(['name1','name2'], ascending=False)

P8 通過列條件篩選數(shù)據(jù)

P9 多條件篩選

df[(df.name1>10) & (df.name2<0)]df[(df.name1>10) | (df.name2<0)]df[df.name1.isin(['key1', 'key2', 'key3'])]

P11 怎樣使用axis參數(shù)

P12 字符串方法

# name1列轉(zhuǎn)大寫df.name1.str.upper()df.name1.str.contain('hah') # 返回True/Falsedf[df.name1.str.contain('hah')] # 用于篩選

P13 改變數(shù)據(jù)類型

P14 什么時候使用groupby

df.groupby('name1').name2.mean()df.groupby('name1').name2.agg(['count','mean', 'max', 'min'])df.groupby('name1').mean() # 得到所有列的均值對每列使用不同的聚合函數(shù)怎么做

P15 探索series

P16 處理缺失值

# 查看是否是缺失值df.isnull()/df.notnull()# 查看每個特征缺失值數(shù)量df.isnull().sum()df.dropna(how='any') # 刪除所有包含缺失值的行df.dropna(how='all') # 刪除所有值都是缺失值的行df.dropna(subset=['name1', 'name2'], how='any') # 刪除這兩列中包含缺失值的行# 填充缺失值df['name'] = df['name'].fillna(value='hah', inplace=True)

P17 關(guān)于index

P18 選擇多行或多列

df.loc # 使用標(biāo)簽名稱df.loc[1:3,:] # 包含1和3df.iloc # 使用位置df.iloc[1:3,:] # 包含1不包含3

P21 減少dataframe占用內(nèi)存

P24 創(chuàng)建虛擬變量(one-hot編碼)

df['new_name'] = df.name.map({'x':1, 'y':2}) # 把name列中的x改為1，y改為2pandas.get_dummies(df.sex, prefix='sex') # 離散特征重新編碼,以x開頭pandas.get_dummies(df, columns=['name1', 'name2'], drop_first=True) # drop_first參數(shù)默認(rèn)為False,刪除結(jié)果中的第一列。

P25 時間字段處理

P26 去除重復(fù)項

# 重復(fù)個數(shù)df.name.dumplicated().sum()df.dumplicated().sum()# 重復(fù)項明細(xì)df.loc[df.dumplicated(keep=False), :] keep參數(shù)，F(xiàn)alse全部顯示，first顯示做后一個，last顯示第一個；# 刪除重復(fù)想df.drop_dumplicates(keep=last)df.drop_dumplicates(subset=['name1', 'name2'])

P27 怎樣避免SettingWithCopyWarming

P28 改變顯示選項

主要方法 pandas.get_option()顯示所有行pd.set_option('display.max_rows', None)默認(rèn)顯示60行pd.set_option('display.max_rows', None)其他選項最大列數(shù)：display.max_columns最大單元格寬度：display.max_colwidth小數(shù)點位數(shù)：display.precision查看目前選項：pd.describe_option()pd.describe_option('rows')重置所有默認(rèn)選項pd.reset_option('all')

P29 創(chuàng)建Dateframe的方式

P30 對DataFrame或Series使用函數(shù)

mapdf['name1'] = df.name.map({'x':1, 'y':2}) applydf[name1] = df.name,apply(len)df[name1] = df.name,apply(np.ciel)def fun(x,y): return x[y] df.name.apply(fun, y=2df.apply(max, axis=0) 每一列的最大值df.apply(max, axis=1) 每一行的最大值df.apply(np.argmax, axis=1) 每一行的最大值對應(yīng)的列名applymap 針對全局每一個單元格做操作df.applymap(float)