[数学建模从入门到入土] pandas

数学建模从入门到入土 pandas

个人导航

知乎：https://www.zhihu.com/people/byzh_rc

CSDN：https://blog.csdn.net/qq_54636039

注：本文仅对所述内容做了框架性引导，具体细节可查询其余相关资料or源码

参考文章：各方资料

文章目录

• [数学建模从入门到入土 pandas](#[数学建模从入门到入土] pandas)
• 个人导航
• 注意
• 读取
• • • • 1.第一行有杂乱信息
• 显示
• • • • 1.横线被压缩成...
• 类型转换
• [分组 group](#分组 group)
• • • • 1.拆成字典
      • 2.直接遍历
• 数据分析
• • • • 1.序列中最多的前5个元素
      • 2.第几分位数

注意

1. 简单数据预处理先用excel做
2. 复杂数据预处理用jupyter
3. 全都处理好, 然后导出为csv, 再用py

读取

1.第一行有杂乱信息

df = pd.read_csv(
    './Wimbledon_featured_matches.csv', encoding='gbk',
    skiprows=1 # 跳过第1行, 从2行开始读取
)

显示

1.横线被压缩成...

pd.set_option("display.max_columns", None)   # 显示所有列
pd.set_option("display.width", None)         # 不限制总宽度（按终端/环境尽量铺开）
pd.set_option("display.max_colwidth", None)  # 单个单元格内容不截断（长字符串也全显示）

建议保存成excel再看

类型转换

# 一维
s = pd.to_numeric(df[col], errors="coerce")
# 多维
df_numeric = df[cols].apply(pd.to_numeric, errors="coerce")

errors="coerce" 的意思是：强制转 ，转不了就变成 NaN（缺失值）

做 quantile()、mean() 这类统计时，NaN 会被自动忽略 （默认 skipna=True）

分组 group

1.拆成字典

grouped = {
    依据内容: sub_df.reset_index(drop=True) # sub_df 的行索引重新设置为从 0 开始
    for 依据内容, sub_df in df.groupby("依据")
}

2.直接遍历

for 依据内容, sub_df in df.groupby("依据"):
    ...

数据分析

1.序列中最多的前5个元素

top5 = (
    pd.to_numeric(df['p1_distance_run_new'], errors='coerce')  # 只在统计时转数值
      .value_counts()                        # 统计频数
      .head(5)                               # 取前 5
)

2.第几分位数

Q1 = s.quantile(0.25) # 第1四分位数
Q3 = s.quantile(0.75) # 第3四分位数