我們知道Pandas是Python中最廣泛使用的數(shù)據(jù)分析和操作庫(kù)。它提供了許多功能和方法，可以快速解決數(shù)據(jù)分析中數(shù)據(jù)處理問(wèn)題。

為了更好的掌握Python函數(shù)的使用方法，我以客戶流失數(shù)據(jù)集為例，分享在數(shù)據(jù)分析過(guò)程中最常使用的函數(shù)和方法。

數(shù)據(jù)如下所示：

importnumpyasnp

importpandasaspd

df=pd.read_csv("Churn_Modelling.csv")

print(df.shape)

df.columns

結(jié)果輸出：

(10000,14)

Index(['RowNumber','CustomerId','Surname','CreditScore','Geography','Gender','Age','Tenure','Balance','NumOfProducts','HasCrCard','IsActiveMember','EstimatedSalary','Exited'],dtype='object')

1.刪除列

df.drop(['RowNumber','CustomerId','Surname','CreditScore'],axis=1,inplace=True)

print(df[:2])

print(df.shape)

結(jié)果輸出：

說(shuō)明：「axis」參數(shù)設(shè)置為1以放置列，0設(shè)置為行?！竔nplace=True」參數(shù)設(shè)置為True以保存更改。我們減了4列，因此列數(shù)從14個(gè)減少到10列。

GeographyGenderAgeTenureBalanceNumOfProductsHasCrCard\

0FranceFemale4220.011

IsActiveMemberEstimatedSalaryExited

01101348.881

(10000,10)

2.選擇特定列

我們從csv文件中讀取部分列數(shù)據(jù)。可以使用usecols參數(shù)。

df_spec=pd.read_csv("Churn_Modelling.csv",usecols=['Gender','Age','Tenure','Balance'])

df_spec.head()

3.nrows

可以使用nrows參數(shù)，創(chuàng)建了一個(gè)包含csv文件前5000行的數(shù)據(jù)幀。還可以使用skiprows參數(shù)從文件末尾選擇行。Skiprows=5000表示我們將在讀取csv文件時(shí)跳過(guò)前5000行。

df_partial=pd.read_csv("Churn_Modelling.csv",nrows=5000)

print(df_partial.shape)

4.樣品

創(chuàng)建數(shù)據(jù)框后，我們可能需要一個(gè)小樣本來(lái)測(cè)試數(shù)據(jù)。我們可以使用n或frac參數(shù)來(lái)確定樣本大小。

df=pd.read_csv("Churn_Modelling.csv",usecols=['Gender','Age','Tenure','Balance'])

df_sample=df.sample(n=1000)

df_sample2=df.sample(frac=0.1)

5.檢查缺失值

isna函數(shù)確定數(shù)據(jù)幀中缺失的值。通過(guò)將isna與sum函數(shù)一起使用，我們可以看到每列中缺失值的數(shù)量。

df.isna().sum()

6.使用loc和iloc添加缺失值

使用loc和iloc添加缺失值，兩者區(qū)別如下：

·loc：選擇帶標(biāo)簽

·iloc：選擇索引

我們首先創(chuàng)建20個(gè)隨機(jī)索引進(jìn)行選擇：

missing_index=np.random.randint(10000,size=20)

我們將使用loc將某些值更改為np.nan(缺失值)。

df.loc[missing_index,['Balance','Geography']]=np.nan

"Balance"和"Geography"列中缺少20個(gè)值。讓我們用iloc做另一個(gè)示例。

df.iloc[missing_index,-1]=np.nan

7.填充缺失值

fillna函數(shù)用于填充缺失的值。它提供了許多選項(xiàng)。我們可以使用特定值、聚合函數(shù)(例如均值)或上一個(gè)或下一個(gè)值。

avg=df['Balance'].mean()

df['Balance'].fillna(value=avg,inplace=True)

fillna函數(shù)的方法參數(shù)可用于根據(jù)列中的上一個(gè)或下一個(gè)值(例如方法="ffill")填充缺失值。它可以對(duì)順序數(shù)據(jù)(例如時(shí)間序列)非常有用。

8.刪除缺失值

處理缺失值的另一個(gè)方法是刪除它們。以下代碼將刪除具有任何缺失值的行。

df.dropna(axis=0,how='any',inplace=True)

9.根據(jù)條件選擇行

在某些情況下，我們需要適合某些條件的觀測(cè)值(即行)。

france_churn=df[(df.Geography=='France')&(df.Exited==1)]

france_churn.Geography.value_counts()

10.用查詢描述條件

查詢函數(shù)提供了一種更靈活的傳遞條件的方法。我們可以用字符串來(lái)描述它們。

df2=df.query('80000

df2=df.query('80000

df2=df.query('80000

11.用isin描述條件

條件可能有多個(gè)值。在這種情況下，最好使用isin方法，而不是單獨(dú)編寫值。

df[df['Tenure'].isin([4,6,9,10])][:3]

12.Groupby函數(shù)

PandasGroupby函數(shù)是一個(gè)多功能且易于使用的功能，可幫助獲取數(shù)據(jù)概述。它使瀏覽數(shù)據(jù)集和揭示變量之間的基本關(guān)系更加容易。

我們將做幾個(gè)組比函數(shù)的示例。讓我們從簡(jiǎn)單的開始。以下代碼將基于Geography、Gender組合對(duì)行進(jìn)行分組，然后給出每個(gè)組的平均流。

df[['Geography','Gender','Exited']].groupby(['Geography','Gender']).mean()

13.Groupby與聚合函數(shù)結(jié)合

agg函數(shù)允許在組上應(yīng)用多個(gè)聚合函數(shù)，函數(shù)的列表作為參數(shù)傳遞。

df[['Geography','Gender','Exited']].groupby(['Geography','Gender']).agg(['mean','count'])

以上內(nèi)容為大家介紹了數(shù)據(jù)分析過(guò)程中最常使用的Python函數(shù)和方法，希望對(duì)大家有所幫助，如果想要了解更多Python相關(guān)知識(shí)，請(qǐng)關(guān)注IT培訓(xùn)機(jī)構(gòu):千鋒教育。http://www.jsszjs.cn/