지역 사회 배우다 도구 라이브러리 여가
찾다
한국어
집 > 백엔드 개발 > 파이썬 튜토리얼 > 4000단어의 자세한 설명, 20가지 유용한 Pandas 기능 방법 추천

4000단어의 자세한 설명, 20가지 유용한 Pandas 기능 방법 추천

Python当打之年
풀어 주다： 2023-08-10 14:52:50
앞으로
1312명이 탐색했습니다.

ㅋㅋㅋ 업무 효율성도 높이고, 모두가 읽고 나면 뭔가 얻을 수 있기를 바랍니다

  • items()방법items()方法
  • iterrows()方法
  • insert()方法
  • assign()方法
  • eval()方法
  • pop()方法
  • truncate()方法
  • count()方法
  • add_prefix()方法/add_suffix()方法
  • clip()方法
  • filter()
    • 🎜iterrows()방법🎜🎜🎜 🎜insert()방법🎜🎜🎜🎜 할당()방법🎜🎜🎜🎜eval()방법법🎜🎜🎜🎜pop()방법법🎜🎜🎜🎜truncate()방법🎜🎜🎜🎜count()방법🎜🎜🎜🎜add_prefix()방법/add_suffix()방법🎜🎜🎜🎜clip()방법🎜🎜🎜🎜filter()방법🎜🎜
  • first()방법first()方法
  • isin()方法
  • df.plot.area()方法
  • df.plot.bar()方法
  • df.plot.box()方法
  • df.plot.pie()方法

items()方法

pandas当中的items()方法可以用来遍历数据集当中的每一列，同时返回列名以及每一列当中的内容，通过以元组的形式，示例如下
df = pd.DataFrame({'species': ['bear', 'bear', 'marsupial'],
                  'population': [1864, 22000, 80000]},
                  index=['panda', 'polar', 'koala'])
df
로그인 후 복사

output

         species  population
panda       bear        1864
polar       bear       22000
koala  marsupial       80000
로그인 후 복사

然后我们使用items()方法

for label, content in df.items():
    print(f'label: {label}')
    print(f'content: {content}', sep='\n')
    print("=" * 50)
로그인 후 복사

output

label: species
content: panda         bear
polar         bear
koala    marsupial
Name: species, dtype: object
==================================================
label: population
content: panda     1864
polar    22000
koala    80000
Name: population, dtype: int64
==================================================
로그인 후 복사

相继的打印出了‘species’和‘population’这两列的列名和相应的内容

iterrows()方法

而对于iterrows()

isin()방법

🎜🎜df.plot.area() 방법🎜🎜🎜df .plot.bar()방법🎜🎜🎜df.plot.box()방법🎜🎜🎜df.plot.pie()방법🎜

items()방법

pandas当中的항목()방법법可以용 来遍历数据集当中的每一列，同时返回列name以及每一列当中的内容，示例如下🎜
for label, content in df.iterrows():
    print(f'label: {label}')
    print(f'content: {content}', sep='\n')
    print("=" * 50)
로그인 후 복사
🎜output🎜
label: panda
content: species       bear
population    1864
Name: panda, dtype: object
==================================================
label: polar
content: species        bear
population    22000
Name: polar, dtype: object
==================================================
label: koala
content: species       marsupial
population        80000
Name: koala, dtype: object
==================================================
로그인 후 복사
로그인 후 복사
🎜然后我们使用items()방법🎜
df.insert(1, "size", [2000, 3000, 4000])
로그인 후 복사
로그인 후 복사
🎜output🎜
         species  size  population
panda       bear  2000        1864
polar       bear  3000       22000
koala  marsupial  4000       80000
로그인 후 복사
로그인 후 복사
🎜相继的打印了'종'과'인구'这两列的列이름과 사진의 内容🎜

iterrows()방법

而对于iterrows()방법은 다음과 같습니다. 
df.assign(size_1=lambda x: x.population * 9 / 5 + 32)
로그인 후 복사
로그인 후 복사
🎜출력🎜
label: panda
content: species       bear
population    1864
Name: panda, dtype: object
==================================================
label: polar
content: species        bear
population    22000
Name: polar, dtype: object
==================================================
label: koala
content: species       marsupial
population        80000
Name: koala, dtype: object
==================================================
로그인 후 복사
로그인 후 복사

insert()方法

insert()方法主要是用于在数据集当中的特定位置处插入数据，示例如下

df.insert(1, "size", [2000, 3000, 4000])
로그인 후 복사
로그인 후 복사

output

         species  size  population
panda       bear  2000        1864
polar       bear  3000       22000
koala  marsupial  4000       80000
로그인 후 복사
로그인 후 복사

可见在DataFrame数据集当中，列的索引也是从0开始的

assign()方法

assign()方法可以用来在数据集当中添加新的列，示例如下

df.assign(size_1=lambda x: x.population * 9 / 5 + 32)
로그인 후 복사
로그인 후 복사

output

         species  population    size_1
panda       bear        1864    3387.2
polar       bear       22000   39632.0
koala  marsupial       80000  144032.0
로그인 후 복사
从上面的例子中可以看出，我们通过一个lambda匿名函数，在数据集当中添加一个新的列，命名为‘size_1’，当然我们也可以通过assign()方法来创建不止一个列
df.assign(size_1 = lambda x: x.population * 9 / 5 + 32,
          size_2 = lambda x: x.population * 8 / 5 + 10)
로그인 후 복사

output

         species  population    size_1    size_2
panda       bear        1864    3387.2    2992.4
polar       bear       22000   39632.0   35210.0
koala  marsupial       80000  144032.0  128010.0
로그인 후 복사

eval()方法

eval()方法主要是用来执行用字符串来表示的运算过程的，例如

df.eval("size_3 = size_1 + size_2")
로그인 후 복사

output

         species  population    size_1    size_2    size_3
panda       bear        1864    3387.2    2992.4    6379.6
polar       bear       22000   39632.0   35210.0   74842.0
koala  marsupial       80000  144032.0  128010.0  272042.0
로그인 후 복사

当然我们也可以同时对执行多个运算过程

df = df.eval('''
size_3 = size_1 + size_2
size_4 = size_1 - size_2
''')
로그인 후 복사

output

         species  population    size_1    size_2    size_3   size_4
panda       bear        1864    3387.2    2992.4    6379.6    394.8
polar       bear       22000   39632.0   35210.0   74842.0   4422.0
koala  marsupial       80000  144032.0  128010.0  272042.0  16022.0
로그인 후 복사

pop()方法

pop()方法主要是用来删除掉数据集中特定的某一列数据

df.pop("size_3")
로그인 후 복사

output

panda      6379.6
polar     74842.0
koala    272042.0
Name: size_3, dtype: float64
로그인 후 복사

而原先的数据集当中就没有这个‘size_3’这一例的数据了

truncate()方法

truncate()方法主要是根据行索引来筛选指定行的数据的，示例如下

df = pd.DataFrame({'A': ['a', 'b', 'c', 'd', 'e'],
                   'B': ['f', 'g', 'h', 'i', 'j'],
                   'C': ['k', 'l', 'm', 'n', 'o']},
                  index=[1, 2, 3, 4, 5])
로그인 후 복사

output

   A  B  C
1  a  f  k
2  b  g  l
3  c  h  m
4  d  i  n
5  e  j  o
로그인 후 복사

我们使用truncate()方法来做一下尝试

df.truncate(before=2, after=4)
로그인 후 복사

output

   A  B  C
2  b  g  l
3  c  h  m
4  d  i  n
로그인 후 복사
我们看到参数before和after存在于truncate()方法中，目的就是把行索引2之前和行索引4之后的数据排除在外，筛选出剩余的数据

count()方法

count()方法主要是用来计算某一列当中非空值的个数，示例如下

df = pd.DataFrame({"Name": ["John", "Myla", "Lewis", "John", "John"],
                   "Age": [24., np.nan, 25, 33, 26],
                   "Single": [True, True, np.nan, True, False]})
로그인 후 복사

output

    Name   Age Single
0   John  24.0   True
1   Myla   NaN   True
2  Lewis  25.0    NaN
3   John  33.0   True
4   John  26.0  False
로그인 후 복사

我们使用count()方法来计算一下数据集当中非空值的个数

df.count()
로그인 후 복사

output

Name      5
Age       4
Single    4
dtype: int64
로그인 후 복사

add_prefix()方法/add_suffix()方法

add_prefix()方法和add_suffix()方法分别会给列名以及行索引添加后缀和前缀，对于Series()数据集而言，前缀与后缀是添加在行索引处，而对于DataFrame()数据集而言，前缀与后缀是添加在列索引处，示例如下
s = pd.Series([1, 2, 3, 4])
로그인 후 복사

output

0    1
1    2
2    3
3    4
dtype: int64
로그인 후 복사

我们使用add_prefix()方法与add_suffix()方法在Series()数据集上

s.add_prefix('row_')
로그인 후 복사

output

row_0    1
row_1    2
row_2    3
row_3    4
dtype: int64
로그인 후 복사

又例如

s.add_suffix('_row')
로그인 후 복사

output

0_row    1
1_row    2
2_row    3
3_row    4
dtype: int64
로그인 후 복사
而对于DataFrame()形式数据集而言，add_prefix()方法以及add_suffix()方法是将前缀与后缀添加在列索引处的
df = pd.DataFrame({'A': [1, 2, 3, 4], 'B': [3, 4, 5, 6]})
로그인 후 복사

output

   A  B
0  1  3
1  2  4
2  3  5
3  4  6
로그인 후 복사

示例如下

df.add_prefix("column_")
로그인 후 복사

output

   column_A  column_B
0         1         3
1         2         4
2         3         5
3         4         6
로그인 후 복사

又例如

df.add_suffix("_column")
로그인 후 복사

output

   A_column  B_column
0         1         3
1         2         4
2         3         5
3         4         6
로그인 후 복사

clip()方法

clip()方法主要是通过设置阈值来改变数据集当中的数值，当数值超过阈值的时候，就做出相应的调整
data = {'col_0': [9, -3, 0, -1, 5], 'col_1': [-2, -7, 6, 8, -5]}
df = pd.DataFrame(data)
로그인 후 복사

output

df.clip(lower = -4, upper = 4)
로그인 후 복사

output

   col_0  col_1
0      4     -2
1     -3     -4
2      0      4
3     -1      4
4      4     -4
로그인 후 복사
我们看到参数lower和upper分别代表阈值的上限与下限，数据集当中超过上限与下限的值会被替代。

filter()方法

pandas当中的filter()方法是用来筛选出特定范围的数据的，示例如下

df = pd.DataFrame(np.array(([1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12])),
                  index=['A', 'B', 'C', 'D'],
                  columns=['one', 'two', 'three'])
로그인 후 복사

output

   one  two  three
A    1    2      3
B    4    5      6
C    7    8      9
D   10   11     12
로그인 후 복사

我们使用filter()方法来筛选数据

df.filter(items=['one', 'three'])
로그인 후 복사

output

   one  three
A    1      3
B    4      6
C    7      9
D   10     12
로그인 후 복사
로그인 후 복사

我们还可以使用正则表达式来筛选数据

df.filter(regex='e$', axis=1)
로그인 후 복사

output

   one  three
A    1      3
B    4      6
C    7      9
D   10     12
로그인 후 복사
로그인 후 복사

当然通过参数axis来调整筛选行方向或者是列方向的数据

df.filter(like='B', axis=0)
로그인 후 복사

output

   one  two  three
B    4    5      6
로그인 후 복사

first()方法

当数据集当中的行索引是日期的时候，可以通过该方法来筛选前面几行的数据

index_1 = pd.date_range('2021-11-11', periods=5, freq='2D')
ts = pd.DataFrame({'A': [1, 2, 3, 4, 5]}, index=index_1)
ts
로그인 후 복사

output

            A
2021-11-11  1
2021-11-13  2
2021-11-15  3
2021-11-17  4
2021-11-19  5
로그인 후 복사

我们使用first()方法来进行一些操作，例如筛选出前面3天的数据

ts.first('3D')
로그인 후 복사

output

            A
2021-11-11  1
2021-11-13  2
로그인 후 복사

isin()方法

isin()方法主要是用来确认数据集当中的数值是否被包含在给定的列表当中

df = pd.DataFrame(np.array(([1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12])),
                  index=['A', 'B', 'C', 'D'],
                  columns=['one', 'two', 'three'])
df.isin([3, 5, 12])
로그인 후 복사

output

     one    two  three
A  False  False   True
B  False   True  False
C  False  False  False
D  False  False   True
로그인 후 복사
若是数值被包含在列表当中了，也就是3、5、12当中，返回的是True，否则就返回False

df.plot.area()方法

下面我们来讲一下如何在Pandas当中通过一行代码来绘制图表，将所有的列都通过面积图的方式来绘制
df = pd.DataFrame({
    'sales': [30, 20, 38, 95, 106, 65],
    'signups': [7, 9, 6, 12, 18, 13],
    'visits': [20, 42, 28, 62, 81, 50],
}, index=pd.date_range(start='2021/01/01', end='2021/07/01', freq='M'))

ax = df.plot.area(figsize = (10, 5))
로그인 후 복사

output

4000단어의 자세한 설명, 20가지 유용한 Pandas 기능 방법 추천

df.plot.bar()方法

下面我们看一下如何通过一行代码来绘制柱状图

df = pd.DataFrame({'label':['A', 'B', 'C', 'D'], 'values':[10, 30, 50, 70]})
ax = df.plot.bar(x='label', y='values', rot=20)
로그인 후 복사

output

4000단어의 자세한 설명, 20가지 유용한 Pandas 기능 방법 추천

当然我们也可以根据不同的类别来绘制柱状图

age = [0.1, 17.5, 40, 48, 52, 69, 88]
weight = [2, 8, 70, 1.5, 25, 12, 28]
index = ['A', 'B', 'C', 'D', 'E', 'F', 'G']
df = pd.DataFrame({'age': age, 'weight': weight}, index=index)
ax = df.plot.bar(rot=0)
로그인 후 복사

output

4000단어의 자세한 설명, 20가지 유용한 Pandas 기능 방법 추천

当然我们也可以横向来绘制图表

ax = df.plot.barh(rot=0)
로그인 후 복사

output

4000단어의 자세한 설명, 20가지 유용한 Pandas 기능 방법 추천

df.plot.box()方法

我们来看一下箱型图的具体的绘制，通过pandas一行代码来实现

data = np.random.randn(25, 3)
df = pd.DataFrame(data, columns=list('ABC'))
ax = df.plot.box()
로그인 후 복사

output

4000단어의 자세한 설명, 20가지 유용한 Pandas 기능 방법 추천

df.plot.pie()方法

接下来是饼图的绘制

df = pd.DataFrame({'mass': [1.33, 4.87 , 5.97],
                   'radius': [2439.7, 6051.8, 6378.1]},
                  index=['Mercury', 'Venus', 'Earth'])
plot = df.plot.pie(y='mass', figsize=(8, 8))
로그인 후 복사

output

4000단어의 자세한 설명, 20가지 유용한 Pandas 기능 방법 추천

除此之外，还有折线图、直方图、散点图等等，步骤与方式都与上述的技巧有异曲同工之妙，大家感兴趣的可以自己另外去尝试。

위 내용은 4000단어의 자세한 설명, 20가지 유용한 Pandas 기능 방법 추천의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

관련 라벨：
python pandas
원천：Python当打之年
이전 기사：팁 | 너무 가짜 같아서 깜짝 놀랐던 Python 라이브러리. . 다음 기사：技巧 | 5000字超全解析Python三种格式化输出方式【% / format / f-string】
본 웹사이트의 성명
본 글의 내용은 네티즌들의 자발적인 기여로 작성되었으며, 저작권은 원저작자에게 있습니다. 본 사이트는 이에 상응하는 법적 책임을 지지 않습니다. 표절이나 침해가 의심되는 콘텐츠를 발견한 경우 admin@php.cn으로 문의하세요.
저자별 최신 기사
최신 이슈
Python/MySQL은 정수 데이터를 올바르게 유지할 수 없습니다. 여기에는 코드가 필요하지 않습니다. 게임을 만들고 있는데 점수를 저장해야 해서 아주 긴 숫자를 저장하고 싶어요. 하지만 테스트하고 점수를 25000000000으로...
에서 2024-04-04 19:09:44
0
1
367
Selenium을 사용하여 클래스에서 URL을 클릭하고 정의하고 싶습니다. 오늘은 또 다른 팁이 필요해요. 저는 Python/Selenium 코드를 작성하려고 하는데 아이디어는 www.thewebsiteIwantoclickon을 클릭하는...
에서 2024-04-04 14:14:44
0
1
3492
Selenium + Python - Execute_script를 통해 이미지 검사 Python에서 Selenium을 사용하여 페이지에 이미지가 표시되는지 확인해야 합니다. 예를 들어 https://openweathermap.org/ 페이지의 왼...
에서 2024-04-03 09:32:15
0
1
375
처음 X 행을 유지하고 테이블 행을 삭제하는 방법 MySQLincident_archive에 수백만 개의 레코드가 있는 큰 테이블이 있습니다. 생성된 열을 기준으로 행을 정렬하고 첫 번째 X 행을 유지하고 나머지는...
에서 2024-04-01 18:32:54
0
1
347
BeautifulSoup을 사용하여 특정 Google 날씨 텍스트를 긁는 방법은 무엇입니까? BeautifulSoup을 사용하여 Python에서 코스 텍스트 "New York City, USA"를 찾는 방법은 무엇입니까? 연습을 위해 비...
에서 2024-04-01 14:06:14
0
1
308
관련 주제
더>
인기 추천
인기 튜토리얼
더>
관련 튜토리얼
인기 추천
최신 강좌
최신 다운로드
더>
웹 효과
웹사이트 소스 코드
웹사이트 자료
프론트엔드 템플릿