python 数据清洗之数据合并、转换、过滤、排序-Tutorial Python-php.cn

python 数据清洗之数据合并、转换、过滤、排序

高洛峰

Lepaskan： 2017-02-13 13:34:56

asal

1723 orang telah melayarinya

前面我们用pandas做了一些基本的操作，接下来进一步了解数据的操作，

数据清洗一直是数据分析中极为重要的一个环节。

数据合并

在pandas中可以通过merge对数据进行合并操作。

import numpy as np
import pandas as pd
data1 = pd.DataFrame({&#39;level&#39;:[&#39;a&#39;,&#39;b&#39;,&#39;c&#39;,&#39;d&#39;],
         &#39;numeber&#39;:[1,3,5,7]})

data2=pd.DataFrame({&#39;level&#39;:[&#39;a&#39;,&#39;b&#39;,&#39;c&#39;,&#39;e&#39;],
         &#39;numeber&#39;:[2,3,6,10]})
print(data1)

Salin selepas log masuk

结果为：

python 数据清洗之数据合并、转换、过滤、排序

print(data2)

Salin selepas log masuk

结果为：

python 数据清洗之数据合并、转换、过滤、排序

print(pd.merge(data1,data2))

Salin selepas log masuk

结果为：

python 数据清洗之数据合并、转换、过滤、排序

可以看到data1和data2中用于相同标签的字段显示，而其他字段则被舍弃，这相当于SQL中做inner join连接操作。
此外还有outer,ringt,left等连接方式，用关键词how的进行表示。

data3 = pd.DataFrame({&#39;level1&#39;:[&#39;a&#39;,&#39;b&#39;,&#39;c&#39;,&#39;d&#39;],
         &#39;numeber1&#39;:[1,3,5,7]})
data4=pd.DataFrame({&#39;level2&#39;:[&#39;a&#39;,&#39;b&#39;,&#39;c&#39;,&#39;e&#39;],
         &#39;numeber2&#39;:[2,3,6,10]})
print(pd.merge(data3,data4,left_on=&#39;level1&#39;,right_on=&#39;level2&#39;))

Salin selepas log masuk

结果为：

python 数据清洗之数据合并、转换、过滤、排序

两个数据框中如果列名不同的情况下，我们可以通过指定letf_on 和right_on两个参数把数据连接在一起

print(pd.merge(data3,data4,left_on=&#39;level1&#39;,right_on=&#39;level2&#39;,how=&#39;left&#39;))

Salin selepas log masuk

结果为：

python 数据清洗之数据合并、转换、过滤、排序

其他详细参数说明

python 数据清洗之数据合并、转换、过滤、排序

重叠数据合并

有时候我们会遇到重叠数据需要进行合并处理，此时可以用comebine_first函数。

data3 = pd.DataFrame({&#39;level&#39;:[&#39;a&#39;,&#39;b&#39;,&#39;c&#39;,&#39;d&#39;],
         &#39;numeber1&#39;:[1,3,5,np.nan]})
 data4=pd.DataFrame({&#39;level&#39;:[&#39;a&#39;,&#39;b&#39;,&#39;c&#39;,&#39;e&#39;],
         &#39;numeber2&#39;:[2,np.nan,6,10]})
 print(data3.combine_first(data4))

Salin selepas log masuk

结果为：

python 数据清洗之数据合并、转换、过滤、排序

可以看到相同标签下的内容优先显示data3的内容，如果一个数据框中的某一个数据是缺失的，此时另外一个数据框中的元素就会补上

这里的用法类似于np.where(isnull(a),b,a)

数据重塑和轴向旋转

这个内容我们在上一篇pandas文章有提到过。数据重塑主要使用reshape函数，旋转主要使用unstack和stack两个函数。

data=pd.DataFrame(np.arange(12).reshape(3,4),
       columns=[&#39;a&#39;,&#39;b&#39;,&#39;c&#39;,&#39;d&#39;],
       index=[&#39;wang&#39;,&#39;li&#39;,&#39;zhang&#39;])
print(data)

Salin selepas log masuk

结果为：

python 数据清洗之数据合并、转换、过滤、排序

print(data.unstack())

Salin selepas log masuk

结果为：

python 数据清洗之数据合并、转换、过滤、排序

数据转换

删除重复行数据

data=pd.DataFrame({&#39;a&#39;:[1,3,3,4],
       &#39;b&#39;:[1,3,3,5]})
print(data)

Salin selepas log masuk

结果为：

python 数据清洗之数据合并、转换、过滤、排序

print(data.duplicated())

Salin selepas log masuk

结果为：

python 数据清洗之数据合并、转换、过滤、排序

可以看出第三行是重复第二行的数据所以，显示结果为True

另外用drop_duplicates方法可以去除重复行

print(data.drop_duplicates())

Salin selepas log masuk

结果为：
python 数据清洗之数据合并、转换、过滤、排序

替换值

除了使用我们上一篇文章中提到的fillna的方法外，还可以用replace方法，而且更简单快捷

data=pd.DataFrame({&#39;a&#39;:[1,3,3,4],
       &#39;b&#39;:[1,3,3,5]})
print(data.replace(1,2))

Salin selepas log masuk

结果为：

python 数据清洗之数据合并、转换、过滤、排序

多个数据一起换

print(data.replace([1,4],np.nan))

Salin selepas log masuk

python 数据清洗之数据合并、转换、过滤、排序

数据分段

data=[11,15,18,20,25,26,27,24]
bins=[15,20,25]
print(data)
print(pd.cut(data,bins))

Salin selepas log masuk

结果为：
[11, 15, 18, 20, 25, 26, 27, 24][NaN, NaN, (15, 20], (15, 20], (20, 25], NaN, NaN, (20, 25]]
Categories (2, object): [(15, 20] < (20, 25]]

可以看出分段后的结果，不在分段内的数据显示为na值，其他则显示数据所在的分段。

print(pd.cut(data,bins).labels)

Salin selepas log masuk

结果为：

[-1 -1 0 0 1 -1 -1 1]

显示所在分段排序标签

print(pd.cut(data,bins).levels)

Salin selepas log masuk

结果为：

Index([‘(15, 20]', ‘(20, 25]'], dtype='object')

显示所以分段标签

print(value_counts(pd.cut(data,bins)))

Salin selepas log masuk

结果为：

python 数据清洗之数据合并、转换、过滤、排序

显示每个分段值得个数

此外还有一个qcut的函数可以对数据进行4分位切割，用法和cut类似。

排列和采样

我们知道排序的方法有好几个，比如sort，order，rank等函数都能对数据进行排序
现在要说的这个是对数据进行随机排序（permutation）

data=np.random.permutation(5)
print(data)

Salin selepas log masuk

结果为：

[1 0 4 2 3]

这里的peemutation函数对0-4的数据进行随机排序的结果。
也可以对数据进行采样

df=pd.DataFrame(np.arange(12).reshape(4,3))
samp=np.random.permutation(3)
print(df)

Salin selepas log masuk

结果为：

python 数据清洗之数据合并、转换、过滤、排序

print(samp)

结果为：
[1 0 2]

print(df.take(samp))

结果为：

python 数据清洗之数据合并、转换、过滤、排序

这里使用take的结果是，按照samp的顺序从df中提取样本。

更多python 数据清洗之数据合并、转换、过滤、排序相关文章请关注PHP中文网！