使用Python进行数据分析和可视化 |设置 2

先决条件： Python中的 NumPy，使用Python进行数据分析可视化 |设置 1

1. 以 CSV 格式存储 DataFrame：

Pandas提供to.csv('filename', index = "False|True")函数将 DataFrame 写入 CSV 文件。这里filename是您要创建的 CSV 文件的名称， index告诉 DataFrame 的索引（如果默认）是否应该被覆盖。如果我们设置index = False那么索引不会被覆盖。默认情况下，索引的值为TRUE ，然后索引被覆盖。

例子 ：

import pandas as pd
  
# assigning three series to s1, s2, s3
s1 = pd.Series([0, 4, 8])
s2 = pd.Series([1, 5, 9])
s3 = pd.Series([2, 6, 10])
  
# taking index and column values
dframe = pd.DataFrame([s1, s2, s3])
  
# assign column name
dframe.columns =['Geeks', 'For', 'Geeks']
  
# write data to csv file
dframe.to_csv('geeksforgeeks.csv', index = False)  
dframe.to_csv('geeksforgeeks1.csv', index = True)

输出 ：

geeksforgeeks1.csv geeksforgeeks2.csv

2. 处理缺失数据

数据分析阶段还包括处理数据集中缺失数据的能力，Pandas 也达到了这一预期也就不足为奇了。这就是dropna和/或fillna方法发挥作用的地方。在处理缺失数据时，作为数据分析师，您要么应该删除包含NaN 值的列（dropna 方法），要么用整列条目的平均值或众数填充缺失数据（fillna 方法），这个决定是意义重大，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：
  考虑这是由以下代码生成的 DataFrame：
  

  import pandas as pd
    
  # Create a DataFrame
  dframe = pd.DataFrame({'Geeks': [23, 24, 22], 
                         'For': [10, 12, np.nan],
                         'geeks': [0, np.nan, np.nan]},
                         columns =['Geeks', 'For', 'geeks'])
    
  # This will remove all the
  # rows with NAN values
    
  # If axis is not defined then
  # it is along rows i.e. axis = 0
  dframe.dropna(inplace = True)
  print(dframe)
    
  # if axis is equal to 1
  dframe.dropna(axis = 1, inplace = True)
    
  print(dframe)
  

  输出 ：

  轴=0 轴=1

• 填写缺失值：
  现在，要用数据的平均值或模式替换任何NaN值，使用fillna ，它可以根据要求替换特定列甚至整个DataFrame中的所有 NaN 值。

  import numpy as np
  import pandas as pd
    
  # Create a DataFrame
  dframe = pd.DataFrame({'Geeks': [23, 24, 22], 
                          'For': [10, 12, np.nan],
                          'geeks': [0, np.nan, np.nan]},
                          columns = ['Geeks', 'For', 'geeks'])
    
  # Use fillna of complete Dataframe 
    
  # value function will be applied on every column
  dframe.fillna(value = dframe.mean(), inplace = True)
  print(dframe)
    
  # filling value of one column
  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我们的数据。使用映射器（字典或键函数，将给定函数应用于组，将结果作为系列返回）或一系列列对系列进行分组。

考虑这是由以下代码生成的 DataFrame：

import pandas as pd
import numpy as np
  
# create DataFrame
dframe = pd.DataFrame({'Geeks': [23, 24, 22, 22, 23, 24], 
                        'For': [10, 12, 13, 14, 15, 16],
                        'geeks': [122, 142, 112, 122, 114, 112]},
                        columns = ['Geeks', 'For', 'geeks']) 
  
# Apply groupby and aggregate function
# max to find max value of column 
  
# "For" and column "geeks" for every
# different value of column "Geeks".
  
print(dframe.groupby(['Geeks']).max())

输出 ：