乐鱼电竞

    • 教育行业A股IPO第一股（股票代码 003032）

    全国咨询/投诉热线：400-618-4000

    Python库pandas使用的5种技巧

    更新时间:2017年12月26日15时20分 来源:乐鱼播客 浏览次数:

    Python 正迅速成为数据科学家们更为钟爱的编程语言。形成该现状的理由非常充分：Python 提供了一种覆盖范围更为广阔的编程语言生态系统，以及具有一定计算深度且性能良好的科学计算库。

    在 Python 自带的科学计算库中，Pandas �？槭亲钍视谑菘蒲喙夭僮鞯墓ぞ�。本文着重介绍了 Python 中数据处理的 5种方法。

    首先导入相关�？椴⒓釉厥菁� Python 环境中：

    import pandas as pd

    import numpy as np

    data = pd.read_csv("***.csv", index_col="Loan_ID")

    1. Apply 函数

    Apply 函数是处理数据和建立新变量的常用函数之一。在向数据框的每一行或每一列传递指定函数后，Apply 函数会返回相应的值。这个由 Apply 传入的函数可以是系统默认的或者用户自

    def num_missing(x):

    return sum(x.isnull())

    #Applying per column:

    print "Missing values per column:"

    print data.apply(num_missing, axis=0)

    2.填补缺失值

    fillna() 函数可一次性完成填补功能。它可以利用所在列的均值/众数/中位数来替换该列的缺失数据。下面利用“Gender”、“Married”、和“Self_Employed”列中各自的众数值填补对应列的缺失数据。

    from scipy.stats import mode

    mode(data['Gender'])

    3. 数据透视表

    Pandas 可建立 MS Excel 类型的数据透视表。例如在下文的代码段里，关键列“LoanAmount” 存在缺失值。我们可以根据“Gender”，“Married”和“Self_Employed”分组后的平均金额来替换。 “LoanAmount”的各组均值可由如下方法确定

    4. 复合索引

    如果您注意观察#3计算的输出内容，会发现它有一个奇怪的性质。即每个索引均由三个数值的组合构成，称为复合索引。它有助于运算操作的快速进行。

    从#3的例子继续开始，已知每个分组数据值但还未进行数据填补。具体的填补方式可结合此前学到的多个技巧来完成。

    for i,row in data.loc[data['LoanAmount'].isnull(),:].iterrows():

    ind = tuple([row['Gender'],row['Married'],row['Self_Employed']])

    data.loc[i,'LoanAmount'] = impute_grps.loc[ind].values[0]

    #Now check the #missing values again to confirm:

    print data.apply(num_missing, axis=0)

    5. Crosstab 函数

    该函数用于获取数据的初始印象(直观视图)，从而验证一些基本假设。例如在本例中，“Credit_History”被认为会显著影响贷款状态。这个假设可以通过如下代码生成的交叉表进行验证：

    pd.crosstab(data["Credit_History"],data["Loan_Status"],margins=True)

    本文版权归乐鱼播客人工智能+Python学院所有，欢迎转载，转载请注明作者出处。谢谢！
    作者：乐鱼播客人工智能+Python学院
    首发：http://python.itcast.cn/
    0 分享到：
    和我们在线交谈！
    【网站地图】【sitemap】