📌  相关文章
📜  使用Python进行数据分析和可视化2

📅  最后修改于: 2020-04-17 07:06:56             🧑  作者: Mango

先决条件：Python中的NumPy，数据可视化分析与Python | 1
1.以CSV格式存储DataFrame：
熊猫提供to.csv('filename', index = "False|True")了将DataFrame写入CSV文件的功能。这filename是您要创建的CSV文件的名称，并index告诉您是否应覆盖DataFrame的索引(如果默认)。如果设置，则索引不会被覆盖。默认情况下，索引的值将覆盖索引。 index = FalseTRUE
范例：

import pandas as pd
# 将三个系列分配给s1，s2，s3
s1 = pd.Series([0, 4, 8])
s2 = pd.Series([1, 5, 9])
s3 = pd.Series([2, 6, 10])
# 取得索引和列值
dframe = pd.DataFrame([s1, s2, s3])
# 分配列名
dframe.columns =['芒果', 'For', '芒果']
# 将数据写入CSV文件
dframe.to_csv('芒果文档.csv', index = False)
dframe.to_csv('芒果文档1.csv', index = True)

输出：

芒果文档1.csv

芒果文档2.csv

2.处理丢失的数据

  • 数据分析阶段还具有处理数据集中缺失数据的能力，因此，熊猫也同样能够达到预期。这是发挥作用dropna和/或fillna方法的地方。在处理丢失的数据时，作为数据分析师，您应该删除包含NaN值的列(dropna方法)，或者使用整个列条目的均值或众数填充丢失的数据(fillna方法)。具有重要意义，并取决于数据和影响将在我们的结果中产生。

删除丢失的数据：
考虑这是下面的代码生成的DataFrame：


import pandas as pd
# 创建一个DataFrame
dframe = pd.DataFrame({'芒果': [23, 24, 22],
                       'For': [10, 12, np.nan],
                       '芒果': [0, np.nan, np.nan]},
                       columns =['芒果', 'For', '芒果'])
# 这将删除所有具有NAN值的行
# 如果未定义轴，则沿着行，即axis = 0
dframe.dropna(inplace = True)
print(dframe)
# 如果轴等于1
dframe.dropna(axis = 1, inplace = True)
print(dframe)

输出：

轴= 0

轴= 1


填写丢失的值：
现在，使用数据的均值或众数替换任何NaN值fillna，这可以根据需要替换特定列或整个DataFrame中的所有NaN值。

import numpy as np
import pandas as pd
# 创建一个DataFrame
dframe = pd.DataFrame({'芒果': [23, 24, 22],
                        'For': [10, 12, np.nan],
                        '芒果': [0, np.nan, np.nan]},
                        columns = ['芒果', 'For', '芒果'])
# 使用完整的Dataframe函数的fillna将应用于每一列
dframe.fillna(value = dframe.mean(), inplace = True)
print(dframe)
# 一栏填充值
dframe['For'].fillna(value = dframe['For'].mean(),
                                    inplace = True)
print(dframe)

输出：

3. Groupby方法(聚合)：

groupby方法允许我们根据任何行或列将数据分组在一起，因此我们可以进一步应用聚合函数来分析数据。使用映射器(dict或键函数，将给定函数应用于组，将结果作为序列返回)或按一系列列对系列进行分组。
考虑这是下面的代码生成的DataFrame：


import pandas as pd
import numpy as np
# 创建DataFrame
dframe = pd.DataFrame({'芒果': [23, 24, 22, 22, 23, 24],
                        'For': [10, 12, 13, 14, 15, 16],
                        '芒果': [122, 142, 112, 122, 114, 112]},
                        columns = ['芒果', 'For', '芒果'])
# 应用groupby和聚合函数max查找列的最大值
print(dframe.groupby(['芒果']).max())

输出：