Wie benutze ich die Pandas -Bibliothek für die Datenmanipulation in Python?

Pandas ist eine leistungsstarke Python -Bibliothek für die Datenmanipulation und -analyse unter Verwendung von Serien- und Datenframestrukturen. 1. Importieren und laden Sie Daten von CSV, Excel, JSON, oder erstellen Sie manuell mit pd.dataframe (). 2. Erforschen Sie Daten mit Head (), Tail (), info (), beschreiben (), Form und Spalten. 3. auswählen und filtern Sie Daten nach Spalte, Zeilenindex (LOC/ILOC) oder Bedingungen mit einer Booleschen Indexierung. 4. Fehlende Werte mit isnull (), Dropna () oder fillna () mit mittleren oder benutzerdefinierten Werten behandeln. 5. Spalten mit bedingter Logik hinzufügen oder mit Drop () und umbenennen () umbenennen/umbenennen. 6. Daten mithilfe von Apply (), MAP (), Ersatz () und Astype () zur Reinigung und Typumwandlung transformieren. 7. Sortieren Sie Daten mit sort_values () und gruppen nach kategorien unter Verwendung von GroupBy () mit Aggregationsfunktionen wie Mean () oder count (). 8. Zusammenführen von Datenrahmen mit merge () oder verkettet mit concat () entlang von Zeilen oder Spalten. 9. Speichern Sie verarbeitete Daten in CSV, Excel oder JSON mit to_csv (), to_excel () oder to_json () mit index = false bei Bedarf. Mastering loc, GroupBy und Apply ermöglicht eine effiziente Behandlung der meisten Datenaufgaben in der realen Welt, wodurch Pandas für Datenworkflows wesentlich gemacht werden.

Pandas ist eine der leistungsstärksten und am häufigsten verwendeten Bibliotheken in Python für die Datenmanipulation und -analyse. Es bietet benutzerfreundliche Datenstrukturen wie Serien (1D) und DataFrame (2D) sowie eine Vielzahl von Funktionen zum effizienten Reinigen, Filtern, Transformieren und Analysieren von Daten.

Hier finden Sie eine praktische Anleitung zur Verwendung von Pandas für gemeinsame Datenmanipulationsaufgaben:

1. Importieren und Laden von Daten

Beginnen Sie mit dem Importieren von Pandas und Laden Sie Daten aus gemeinsamen Formaten wie CSV, Excel oder JSON.

 Pandas als PD importieren

# Daten aus einer CSV -Datei laden
df = pd.read_csv ('data.csv'))

# Last von Excel (erfordert OpenPyxl)
df = pd.read_excel ('data.xlsx')

# Laden von JSON
df = pd.read_json ('data.json')

Sie können auch einen Datenrahmen manuell erstellen:

 Data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Alter': [25, 30, 35],
    'City': ['New York', 'Los Angeles', 'Chicago']
}
df = pd.dataframe (Daten)

2. Erforschen der Daten

Überprüfen Sie vor dem Manipulieren Ihre Daten, um seine Struktur zu verstehen.

 # Erste 5 Zeilen anzeigen
df.head ()

# Letzte 3 Zeilen
df.tail (3)

# Allgemeine Informationen: Datentypen, fehlende Werte, Speicherverwendung
df.info ()

# Zusammenfassung Statistiken für numerische Spalten
df.describe ()

# Form des DataFrame (Zeilen, Spalten)
df.shape

# Spaltennamen
DF.Columns

3. Auswahl und Filterung von Daten

Greifen Sie unter Verwendung von Beschriftungen, Positionen oder Bedingungen auf bestimmte Teile des Datenrahmens zu.

 # Wählen Sie eine einzelne Spalte aus
df ['name']

# Mehrere Spalten auswählen
DF ['Name', 'Alter']]]

# Zeilen nach Index auswählen
df.loc [0] # nach Etikett
df.iloc [0] # nach Position

# Filterreihen basierend auf der Bedingung
DF [DF ['Alter']> 28]

# Mehrere Bedingungen (Verwendung & für und, | für OR, Klammern erforderlich)
DF [(df ['Alter']> 25) & (df ['City'] == 'Chicago')]

4. Handhabung fehlender Daten

Daten in der realen Welt haben häufig fehlende Werte (NAN). Pandas bietet Tools zur Verwaltung.

 # Nach fehlenden Werten prüfen
df.isnull ()

# Zählen Sie fehlende Werte pro Spalte
df.isnull (). sum ())

# Zeilen mit fehlenden Werten fallen lassen
df.dropna ()

# Drop -Spalten mit mehr als 50% fehlen
df.dropna (thresh = len (df)*0,5, axis = 1)

# Fehlende Werte füllen
DF ['Alter']. fillna (df ['Alter']. Mean (), inplace = true)
df ['City']. fillna ('unbekannt', inplace = true)

5. Hinzufügen und Entfernen von Spalten

Ändern Sie die Struktur Ihres Datenrahmens nach Bedarf.

 # Fügen Sie eine neue Spalte hinzu
df ['Senior'] = df ['Alter']> 30

# Entfernen Sie eine Spalte
df.drop ('Senior', Axis = 1, inplace = true)

# Spalten umbenennen
df.rename (columns = {'name': 'Voller Name'}, inplace = true)

6. Datenumwandlung

Wenden Sie Funktionen zur Transformation oder Reinigung von Daten an.

 # Wenden Sie eine Funktion auf eine Spalte an
df ['Alter'] = df ['Alter']. Bewerben Sie (Lambda x: x 1) # Inkrementalter

# MAP -Werte (z. B. die Stadtnamen ersetzen)
df ['City'] = df ['City']. MAP ({'New York': 'NYC', 'Los Angeles': 'la'})

# Ersetzen Sie bestimmte Werte
df.replace ({'nyc': 'New York City'}, inplace = true)

# Datentypen konvertieren
df ['Alter'] = df ['Alter']. Astype (int)

7. Sortieren und Gruppieren

Daten organisieren und fassen Sie Daten effektiv zusammen.

 # Sortieren Sie nach einer oder mehreren Spalten
DF.SORT_VALUES ('AGE', ASSION = Falsch)

# Sortieren nach mehreren Spalten
df.sort_values (['Stadt', 'Alter'], Ascending = [True, False])

# Gruppendaten und aggregieren
grupped = df.groupBy ('city') ['Alter']. Mean () # Durchschnittsalter nach Stadt
grupped = df.groupby ('city'). agg ({'ay': 'mean', 'name': 'count'}) # Mehrere Statistiken

8. Zusammenführen und Verkettung von Daten

Kombinieren Sie mehrere Datenrahmen, ähnlich wie bei SQL -Anschlüssen.

 # Vertikal verkettet (Stapelreihen)
DF_COMBINED = PD.CONCAT ([DF1, DF2], AXIS = 0)

# Horizontal verkettet (Spalten hinzufügen)
DF_COMBINED = PD.CONCAT ([DF1, DF2], AXIS = 1)

# Mit einem Schlüssel zusammenführen (wie SQL Join)
merged = pd.merge (df1, df2, auf = 'name', wie = 'inner') # inner, links, rechts, äußere

9. Daten speichern

Exportieren Sie nach der Manipulation das Ergebnis.

 # Auf CSV speichern
df.to_csv ('cleaned_data.csv', index = false)

# Speichern Sie zu Excel
df.to_excel ('cleaned_data.xlsx', index = false)

# Speichern Sie JSON
df.to_json ('cleaned_data.json', orient = 'records')

Pandas macht Datenmanipulation intuitiv und effizient. Beginnen Sie mit kleinen Datensätzen, um diese Vorgänge zu üben, und wenden Sie sie schrittweise auf reale Probleme an. Der Schlüssel besteht darin, sich mit der Indexierung, Filterung und Aggregationsmustern vertraut zu machen - sie bilden das Rückgrat der meisten Datenworkflows.

Sobald Sie sich mit loc , groupby und apply vertraut machen, können Sie die meisten täglichen Datenaufgaben erledigen.

Das obige ist der detaillierte Inhalt vonWie benutze ich die Pandas -Bibliothek für die Datenmanipulation in Python?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!