01
系列回顧
玩轉Pandas系列已經連續推送3篇,儘量貼近Pandas的本質原理,結合工作實踐,按照使用Pandas的邏輯步驟,系統地並結合實例推送Pandas的主要常用功能,已經推送的3篇。
以上3篇總結了Pandas主要的兩個數據結構:Series(一維)和DataFrame(二維),系統地介紹了創建,索引,增刪改查Series, DataFrame等常用操作接口,總結了Series如何裝載到DataFrame中,以及一個實際應用多個DataFrame的實戰項目例子。
值得推薦的是,Pandas廣泛應用在金融,統計,社會科學,和許多工程領域。Pandas和R語言直接無縫銜接。Pandas是基於Numpy(Numpy基於Python)基礎開發,因此能和帶有第三方庫的科學計算環境很好地進行集成。
02
Pandas核心應用場景
按照使用邏輯,盤點Pandas的主要可以做的事情:
- 能將Python, Numpy的數據結構靈活地轉換為Pandas的DataFrame結構
- DataFrame可以方便地實現增加和刪除行、列
- 智能地帶標籤的切片,好玩的索引提取大數據集的子集
- 自動數據對齊,完全可以不考慮行、列標籤,直接append list.
- 靈活地對數據集Reshape和按照不同軸變化數據的Pivot操作。
- 強大的I/O操作。提供接口: CSV and delimited, Excel files, databases, and saving / loading data from the ultrafast HDF5 format
- 通俗易懂地在DataFrame結構上實現merge和join操作(merge操作)
- 善於處理missing data,如NaN, non-floating數據。
- 強大而靈活的分組功能,在數據集上實現分-應用-合的操作,達到整合和改變數據形狀的目的。
- 時間序列的處理功能,生成 data range,移動的時間窗,時間移動和lagging等。
接下來,按照以上未涉及的思路陸續推送,歡迎補充和指正。
03
多Index層級結構
Pandas中什麼是有層次的數據呢? 簡單來說,就是構造了一個有層次的Index實例,其他沒什麼不同。首先構造一個有層次的Index,如下:
#創建有層次的Index實例
index_name =['first','second']
lay_index = [['bar', 'bar', 'baz', 'baz', 'foo', 'foo', 'qux', 'qux'],
['one', 'two', 'one', 'two', 'one', 'two', 'one', 'two']]
tuples = list(zip(*lay_index))
two_layers_index = pd.MultiIndex.from_tuples(tuples, names=index_name)
two_layers_index
![「乾貨課程」Pandas入門課程系列4「強烈推薦」](http://p2.ttnews.xyz/loading.gif)
有了Index實例,充填一個8行2列的數據values就行,如下所示:
res = np.array([list(np.random.randn(8)),list(np.random.randn(8))]).T # 8行2列
pd_h = pd.DataFrame(res, index=two_layers_index, columns = ['A','B'])
pd_h
得到數據如下,A, B 是列標籤,first, second是Index實例的標籤名稱。
![「乾貨課程」Pandas入門課程系列4「強烈推薦」](http://p2.ttnews.xyz/loading.gif)
這塊功能在實際使用中,暫時不常用,先不展開總結。
04
轉化操作
拿到一個數據表後,有時需要改變數據表的形狀,此時就要用到這塊功能: reshaping, pivot, transpose, sort等功能。
4.1 pivot
pivot是指按照指定的Index和columns,values旋轉原來的數據表。
#pivot
df = pd.DataFrame({ 'foo': ['one','one','one','two','two','two'],
'bar': ['A', 'B', 'C', 'A', 'B', 'C'],
'baz': [1, 2, 3, 4, 5, 6]})
df
數據顯示如下,可以看到數據的index是默認的從0開始的整數索引,columns是[bar,baz,foo],
ok,現在我想作如下轉化,index設置為foo, columns設置為bar, values設置為baz列,
df.pivot(index='foo', columns='bar',values='baz')
轉化後的結果如下顯示:
此時這種轉化,用肉眼觀察,是比較合理的,但是有時候為了觀察多個維度,我們可能需要大量的轉化實驗,比如,這樣設置行、列、值
df.pivot(index='bar', columns='baz', values='foo')
得到的結果如下,看出這種轉化出現比較多的None值,因為這種數據軸的設置導致的,但這是正常操作。
4.2 sort
Pandas的排序操作提供了2個主要的API,分別按照值排序和索引排序。值排序的接口:
DataFrame.sort_values(by, axis=0, ascending=True, inplace=False, kind='quicksort', na_position='last')
例子總結裡面所有可能的排序細節問題,首先構造一個DataFrame實例,如下所示:
df = pd.DataFrame({'col1' : ['A', 'A', 'B', np.nan, 'D', 'C'], 'col2' : [2, 1, 9, 7, 7, 4], 'col3': [0, 1,np.nan,np.nan, 2, 3]})
df
按照col1和col3這兩列的值排序結果如下:
sort_1_3 = df.sort_values(by=['col1', 'col3'])
sort_1_3
排序後的結果如下所示:
- 默認情況下,排序中等於NaN的值相應地位於後面,如果設置na_position='first',才會將NaN值位於前面;
- 排序默認不是就地排序,inplace=False;
- 多列排序中,第一個參數是主排序字段,第二個參數是次排序字段,也就是說如果第一個主排序字段出現重複後,按照第二個字段排序,依此類推。
以上總結了DataFrame主要能做的事情,初步瞭解多層 Index是怎麼回事,以及Pivot,Sort等操作接口。歡迎指正。
閱讀更多 Python與算法社區 的文章