前言：

今天和大家分享自己總結(jié)的6個(gè)常用的Pandas數(shù)據(jù)處理代碼，對(duì)于經(jīng)常處理數(shù)據(jù)的coder最好熟練掌握。

選取有空值的行

在觀察數(shù)據(jù)結(jié)構(gòu)時(shí)，該方法可以快速定位存在缺失值的行。

df = pd.DataFrame({'A': [0, 1, 2],
                   'B': [0, 1, None],
                   'C': [0, None, 2]})
df[df.isnull().T.any()]

輸出：

  A   B   C           A   B   C
0 0 0.0 0.0         1 1 1.0 NaN
1 1 1.0 NaN   -->   2 2 NaN 2.0
2 2 NaN 2.0

快速替換列值

實(shí)際數(shù)據(jù)處理經(jīng)常會(huì)根據(jù)一些限定條件來(lái)替換列中的值。

df = pd.DataFrame({'name':['Python', 'Java', 'C']})
# 第一種方式
df['name'].replace('Java', 'JavaScript', inplace=True)
# 第二種方式
df.loc[df['name'].str.contains('Java'), 'name'] = 'JavaScript'

輸出：

     name                   name
0  Python          0      Python
1    Java    --->  1  JavaScript
2       C          2           C

對(duì)列進(jìn)行分區(qū)

很多情況下，對(duì)于數(shù)值類(lèi)型的數(shù)據(jù)，我們需要分區(qū)來(lái)計(jì)算每個(gè)區(qū)間數(shù)據(jù)出現(xiàn)的頻率。這時(shí)用 pd.cut 就能很好的解決這一問(wèn)題。

import random
age = random.sample(range(90), 20)
cut_res = pd.cut(age, bins=[0, 18, 35, 60, 90])
# cut_res type：<class 'pandas.core.arrays.categorical.Categorical'>
cut_res.value_counts()

輸出：

(0, 18]     6
(18, 35]    1
(35, 60]    6
(60, 90]    7

將一列分為多列

在文本數(shù)據(jù)清洗時(shí)，一些列中存在分隔符('', ',', ':')分隔的值，我們只需將該列根據(jù)分隔符進(jìn)行 split 即可。

import pandas as pd
df = pd.DataFrame({'address': ['四川省 成都市',
                               '湖北省 武漢市',
                               '浙江省 杭州市']})
res = df['address'].str.split(' ', expand=True)  
res.columns = ['province', 'city']

輸出：

  province city
0 四川省    成都市
1 湖北省    武漢市
2 浙江省    杭州市

expand參數(shù)選擇是否擴(kuò)展為 DataFrame，F(xiàn)alse 則返回 Series

中文篩選

同樣在清洗過(guò)程中，往往會(huì)出現(xiàn)一些不需要的中文字段，這時(shí)直接用 str.contains 篩選即可。

df = pd.DataFrame({'mobile_phone':
                   ['15928765644',
                    '15567332235',
                    '暫無(wú)']})
df[~df['mobile_phone'].str.contains('[\u4e00-\u9fa5]')]

輸出：

  mobile_phone         mobile_phone
0 15928765644        0 15928765644
1 15567332235   -->  1 15567332235
2 暫無(wú)

更改列的位置

有時(shí)我們需要調(diào)整列的位置，當(dāng)數(shù)據(jù)列較少時(shí)，可以用下面的方式

df = pd.DataFrame({'name': ['A', 'B', 'C'],
                   'age': [10, 20, 30],
                   'gender': [0, 1, 0]})
df = df[['name', 'gender', 'age']]

輸出：

 name age gender    name gender age
0   A  10 0        0   A 0       10
1   B  20 1   -->  1   B 1       20
2   C  30 0        2   C 0       30

如果列較多，那么，一個(gè)個(gè)列舉出來(lái)會(huì)比較繁瑣，推薦下面插入的方式。

col = df['gender']
df.drop('gender', axis=1, inplace=True)
df.insert(1, 'gender', col)

這就是今天分享的主要內(nèi)容，實(shí)踐永遠(yuǎn)是最好的學(xué)習(xí)方式，記憶的也更牢固。

到此這篇關(guān)于六個(gè)實(shí)用Pandas數(shù)據(jù)處理代碼的文章就介紹到這了,更多相關(guān) Pandas數(shù)據(jù)處理 內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論