超強圖解 Pandas，建議收藏
本文將借助可視化的過程，講解Pandas的各種操作。一起來看一下吧。
Pandas是數(shù)據(jù)挖掘常見的工具，掌握使用過程中的函數(shù)是非常重要的。
sort_values
(dogs[dogs['size'] == 'medium']
.sort_values('type')
.groupby('type').median()
)
執(zhí)行步驟：
- size列篩選出部分行
- 然后將行的類型進行轉(zhuǎn)換
- 按照type列進行分組，計算中位數(shù)
selecting a column
dogs['longevity']
groupby + mean
dogs.groupby('size').mean()
執(zhí)行步驟：
- 將數(shù)據(jù)按照size進行分組
- 在分組內(nèi)進行聚合操作
grouping multiple columns
dogs.groupby(['type', 'size'])
groupby + multi aggregation
(dogs
.sort_values('size')
.groupby('size')['height']
.agg(['sum', 'mean', 'std'])
)
執(zhí)行步驟
- 按照size列對數(shù)據(jù)進行排序
- 按照size進行分組
- 對分組內(nèi)的height進行計算
filtering for columns
df.loc[:, df.loc['two'] <= 20]
filtering for rows
dogs.loc[(dogs['size'] == 'medium') & (dogs['longevity'] > 12), 'breed']
dropping columns
dogs.drop(columns=['type'])
joining
ppl.join(dogs)
merging
ppl.merge(dogs, left_on='likes', right_on='breed', how='left')
pivot table
dogs.pivot_table(index='size', columns='kids', values='price')
melting
dogs.melt()
pivoting
dogs.pivot(index='size', columns='kids')
stacking column index
dogs.stack()
unstacking row index
dogs.unstack()
resetting index
dogs.reset_index()
setting index
dogs.set_index('breed')
責(zé)任編輯：龐桂玉
來源：
Python開發(fā)者
