标签：.com 返回 线性 blank zha 区间 sdn ptime 技术分享
本文主要是总结学习pandas过程中用到的函数和方法, 在此记录, 防止遗忘.
下面将是在知识点一的基础上继续总结.
新建一个数据表df
1 import pandas as pd 2 3 df = pd.DataFrame({"地区": ["A区","B区", "C区"], 4 "前半年销量": [3500, 4500,3800], 5 "后半年销量": [3000, 6000,5000], 6 "单价": [10, 18, 15]}) 7 df
有两种方式, 一种是利用add()函数: a.add(b) 表示a与b之和, 另一种是直接利用加法运算符号"+"
1 #第一种方式: 利用add()函数 2 # df["总销量"] = df["前半年销量"].add(df["后半年销量"]) 3 #第二种方式: "+" 4 df["总销量"] = df["前半年销量"] + df["后半年销量"] 5 df
两者运算的结果都是相同的:
对于累加求和上述两种方法同样适用, 还有一种方式就是采用apply()函数, 参考文档: https://blog.csdn.net/luckarecs/article/details/72869051
这里介绍apply(func, axis = 0)函数的两个参数, apply()函数官方文档: http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.apply.html?highlight=apply#pandas.DataFrame.apply
第一个参数func就是指用于每行或者每列的函数, 这里将采用lambda函数: 接收任意多个参数并返回单个计算结果.
第二个参数axis=0则表示计算行与行的数据, axis=1则表示计算列与列的数据
1 #由于地区不能参与运算, 因此在df1数据表中删除地区 2 df1 = df.drop(["地区","单价"], axis = 1, inplace = False) 3 #对df1数据表进行累加运算, 随后添加到df表中. 4 df["总销量"] = df1.apply(lambda x: x.sum(), axis = 1) 5 df
1 #删除地区和单价,分别计算前半年与后半年的三个地区总和. 2 df2 = df.drop(["地区","单价"], axis = 1, inplace = False) 3 #利用apply函数计算之后,添加至数据表中 4 df.loc["Sum"] = df2.apply(lambda x: x.sum(), axis = 0 ) 5 df
同样有两种方式: 一种是采用sub()函数, A.sub(B)表示A-B, 另一种是采用减法运算符 "-"
1 #函数法: 注意A.sub(B)表示A-B 2 df["销量增长"] = df["后半年销量"].sub(df["前半年销量"]) 3 #运算符: "-" 4 df["销量增长"] = df["后半年销量"] - df["前半年销量"] 5 df
两种方式, 同样的结果:
同样是两种方式: 一种是采用mul()函数: A.mul(B)表示: A与B之积, 另一种则是乘法运算符 "*"
1 #函数法: A.mul(B) 2 df["前半年销售额"] = df["前半年销量"].mul(df["单价"]) 3 #运算符: "*" 4 df["后半年销售额"] = df["后半年销量"] * df["单价"] 5 df
同样是两种: 一种是采用div()函数: A.div(B)表示: A除以B, 第二种则是采用除法运算符"/"
1 #函数法 2 df["前半年销量1"] = df["前半年销量"].div(100) 3 #运算符法 4 df["前半年销量2"] = df["前半年销量"] / 1000 5 df
1 #取整符号: "//" 2 df["后半年销量1"] = df["后半年销量"] // 1000 3 #取余符号: "%" 4 df["前半年销量1"] = df["前半年销量"] // 100 % 10 5 df
采用聚合函数对一组数据进行运算, 并返回单个值, 比如最大值max()函数, 最小值min()函数, 平均值mean()函数
1 #求前半年销量最大值 2 df1 = df["前半年销量"].max() 3 #求后半年销量最小值 4 df2 = df["后半年销量"].min() 5 #求单价的平均值 6 df3 = df["单价"].mean() 7 df1, df2 ,df3
(4500, 3000, 14.333333333333334)
0-1标准化是对原始数据进行线性变换, 使其结果映射成[0,1]区间的值, 计算公式为: 新数据 = (原数据 - 最小值) / (最大值 - 最小值)
1 import pandas as pd 2 df = pd.DataFrame({"地区": ["A区","B区", "C区", "D区", "E区", "F区"], 3 "销量": [3500, 4500,3800,3000, 6000,5000]}) 4 #利用公式对原始数据进行0-1标准化处理 5 df["0-1"] = (df["销量"] - df["销量"].min()) / (df["销量"].max() - df["销量"].min()) 6 df
数据分组是根据统计研究的需求, 对原始数据按照某种标准划分为不同的组别. 主要目的是观察数据的分布特征. 在数据分组后再计算出各组中数据出现的的频数, 最终形成频数分布表.
pandas中数据分组采用的函数是cut(x, bins, right = True, labels = None)函数:
第一个参数x指的是要分组的数据
第二个参数bins指的是划分标准, 也就是定义组的上限与下限
第三个参数right = True表示右边闭合, 左边不闭合; 当right = False时表示右边不闭合, 左边闭合, 默认为True.
第四个参数则是自定义分组的内容
更多cut()函数相关参考官方文档: http://pandas.pydata.org/pandas-docs/stable/generated/pandas.cut.html?highlight=cut#pandas.cut
1 import pandas as pd 2 df = pd.DataFrame({"地区": ["A区","B区", "C区", "D区", "E区", "F区", "G区"], 3 "单价": [ 8 , 20, 15, 7, 34, 25, 30]}) 4 #对单价进行编组: (5,15),(15,25),(25,35) 5 bins = [5, 15, 25, 35] 6 #利用cut()函数对单价进行分组, 并添加至原数据表中 7 df["分组"] = pd.cut(df.单价, bins) 8 df
自定义labels:
1 import pandas as pd 2 df = pd.DataFrame({"地区": ["A区","B区", "C区", "D区", "E区", "F区", "G区"], 3 "单价": [ 8 , 20, 15, 7, 34, 25, 30]}) 4 bins = [5, 15, 25, 35] 5 #自定义labels 6 labels = ["15以下", "15到25", "25以上"] 7 df["分组"] = pd.cut(df.单价, bins, labels = labels) 8 df
日期转换是指将字符类型转换成日期格式.
可使用to_datetime(arg, format = None)函数转换
第一个参数arg则是需要转化的字符串, 比如"2018/09/01"
第二个参数format则是原字符串中日期的格式, 比如"2018/09/01"的格式为 "%Y/%m/%d"
常用的格式有: %y表示两位数的年份, %Y表示四位数的年份, %m表示月份, %d表示月中的某一天, %H表示24小时制时数, %I表示12小时制时数, %M表示分钟, %S表示秒
to_datetime()函数官方文档: http://pandas.pydata.org/pandas-docs/stable/generated/pandas.to_datetime.html?highlight=to_datetime#pandas.to_datetime
1 import pandas as pd 2 df = pd.DataFrame({"name":["A","B","D"], 3 "BirthDate": ["2011/10/20","2009/3/5","2010/5/6"]}) 4 #转成日期格式 5 df["BD"] = pd.to_datetime(df.BirthDate,format = "%Y/%m/%d") 6 df
1 #查看数据类型 2 df.dtypes
借助datetime模块中datetime类的strptime()方法, 将字符类型转化为日期格式.
strptime(date_string, format)方法中有两个参数, 第一个参数则是要转化的字符串, 第二个参数则为字符串中日期的格式
1 import pandas as pd 2 from datetime import datetime 3 df = pd.DataFrame({"name":["A","B","D"], 4 "BirthDate": ["2011/10/20","2009/3/5","2010/5/6"]}) 5 #转化为日期格式 6 df["BD"] = df["BirthDate"].apply(lambda x: datetime.strptime(x, "%Y/%m/%d")) 7 df
日期格式化就是将日期按照指定的格式输出成字符类型, 这里借助datetime模块中datetime类的strftime()方法实现:
1 import pandas as pd 2 from datetime import datetime 3 df = pd.DataFrame({"name":["A","B","D"], 4 "BirthDate": ["2011/10/20","2009/3/5","2010/5/6"]}) 5 #转化为日期格式 6 df["BD"] = df["BirthDate"].apply(lambda x: datetime.strptime(x, "%Y/%m/%d")) 7 #日期格式化 8 df["BD1"] = df["BD"].apply(lambda x: datetime.strftime(x, "%d-%m-%Y %H:%M:%S")) 9 df
从日期格式中抽取日期的部分内容, 比如抽取年份, 月份等. 语法: 转换为日期格式的列.dt.要抽取的属性.
1 import pandas as pd 2 from datetime import datetime 3 df = pd.DataFrame({"name":["A","B","D"], 4 "BirthDate": ["2011/10/20","2009/3/5","2010/5/6"]}) 5 df["BD"] = df["BirthDate"].apply(lambda x: datetime.strptime(x, "%Y/%m/%d")) 6 df["year"] = df["BD"].dt.year 7 df["month"] = df["BD"].dt.month 8 df["day"] = df["BD"].dt.day 9 df["hour"] = df["BD"].dt.hour 10 df["minute"] = df["BD"].dt.minute 11 df["second"] = df["BD"].dt.second 12 df["weekday"] = df["BD"].dt.weekday 13 df
以上是本次的学习总结, 后续会持续更新...
标签：.com 返回 线性 blank zha 区间 sdn ptime 技术分享
原文地址：https://www.cnblogs.com/star-zhao/p/9715307.html
