Pandas进行数据分析

dataframe添加列:df2.drop('新增加的列:',axis=1,inplace=True)

在Pandas中,DataFrame的列是Series对象,而Series对象具有一系列字符串处理方法。要对Series中的字符串进行操作,需要使用.str属性来访问这些字符串方法。删除列中的横线
df2['来源明细'].str.lstrip('-')

转格式:df2['日期'] = pd.to_datetime(df2['日期'])

前13行:df2.iloc[:13,:]

loc和iloc的使用:

第一列和第5列:df2.iloc[:,[0,4]],使用df2.loc[:,[0,4]]则报错

使用loc进行bool条件筛选:df2.loc[df2['图书类型']=='小说',:]

使用名称进行列筛选:df2.loc[:,['图书类型','来源']]

pd.merge()表横向合并:

必须的参数是左表和右表

索引列没有字段名,参数写left_index=True, right_index=True

类似数据库中的左连接右连接内连接和外连接,how='left/right/inner/outer'

指定匹配的字段: on=

pd.dropna()删除空行,会创建一个新的df

修改源数据df = df.dropna()

参数为空时,只要数据有空时就会删除一行。

指定列出现空值继续删除可以用:df.dropna(subset=['支付转化率'])

repeat.drop_duplicates()去重
subset 参数,删除这个字段重复的行,保留了各自不重复的第一行。如果要保留最后一行,再指定参数keep='last'

df.sort_values('字段名', ascending=False)
ascending默认True,升序。无论那种,会将nan值的放在最后边。

筛选前三df.sort_values('客单价', ascending=False).head(3)

inplace=False默认时False,尽量不要设置为True。

df.groupby()进行分组

分组完后,不会有输出。要有输出,需要加上sum(),mean()函数

例如df.groupby('地区').sum(),默认将地区作为索引,如果想要数字为索引,groupby 内传入参数 as_index = False

(sum函数中有参数和没参数输出都是一样的,本来就不应该有参数)

如果只想查看某个字段,可以使用df.groupby('地区')['客单价', '利润'].sum()

pd.cut()分组

bins对访客进行分区。labels表示标签类型。right默认为True,表示前开后闭,设置为False,前闭后开。

添加一行新的列,对访客量打上一个级别标签:
df['访客数标签级别'] = pd.cut(df['访客数'], bins=[0,100,1000,10000,100000], right=False, labels=['十','百','千','万'])

获取分组后最大最小值,并保持pd格式。感觉没区别,第一种还更加简单,第二种Tab不出来函数。
score.groupby('姓名', as_index=False)[总成绩'].max()
score.groupby('姓名')['总成绩'].apply(min).reset_index()
pd.merge()合并两张表可以将最大值和最小值放在同一个表里

地区中,排名第三利润的城市:

复制代码
orderSort = order.sort_values(['省份','近1月销售额'], ascending=False).head(20) # 根据地区和销售额进行排名
def get_third(x):
    if len(x) <= 2:
        return x.iloc[len(x)-1,:]
    else:
        return x.iloc[2,:]
orderSort.groupby('省份')[['城市','近1月销售额']].apply(get_third) # 理解为有多个表,取出表中的城市和销售额字段记为x,将x应用apply函数
相关推荐
用户03321266636726 分钟前
使用 Python 轻松移除 Excel 文档中的重复行
python·excel
LiaoWL12328 分钟前
从零搭一个 RAG 知识库(二):换上语义 Embedding——BGE 实测与阈值重校准
python·大模型·numpy·embedding·向量检索·rag
Dmz丶1 小时前
前端转 AI 100 天 Day 48:向量数据库——100 万向量的毫秒级检索
python
青少儿编程课堂1 小时前
蓝桥杯·全国青少年信息素养大赛·电子学会Python/C++考级:中国剩余定理解析
c++·python·算法·bfs·信息学竞赛
菜鸟~noob2332 小时前
[AI]间章:系列走到这里,聊聊后面的规划、造卡需要的软件平台,以及为什么我要先暂停更新
人工智能·python·fpga开发·django·pygame
TomEval11 小时前
【测AI】第26篇:线上模型监控与告警体系 — 测试不是终点
人工智能·python·功能测试·ai
prince_zxill12 小时前
PEP 751 pylock.toml 实测:pip 26.3 装 6 个包版本全钉死,但 [web] 选不中任何东西
python·pip·依赖管理·pep 751
Thanks_ks13 小时前
Python 的垃圾回收——引用计数撑起日常,分代回收收拾残局
python·内存管理·垃圾回收·循环引用·引用计数·gc 模块·weakref
CyrusYiVPP13 小时前
实测 uv 0.13.7:同一套包,pip 装 94 秒,它只用 19 秒
人工智能·python
yiangL_14 小时前
Python 学习笔记:递归、turtle绘图、字符串与函数
笔记·python·学习