0 處理異常
https://blog.csdn.net/m0_60862600/article/details/124913418?spm=1001.2014.3001.5501
1 替換
示例
完整代碼如下:
from pandas import read_excel
file='d:/student.xlsx' #見第18章表18-1
df=read_excel(file,sheet_name=0,converters={
'學號':str})
df['總分']=df['語文']+df['數學']+df['英語']
print(df.head()) #df.head()的作用是僅顯示5行記錄。
運行結果如下:
序號 學號 姓名 年級 班級 語文 數學 英語 總分 名次
0 1 070101 王博宇 NaN NaN 84 71 93 248 NaN
1 2 070102 陳冠濤 NaN NaN 89 89 89 267 NaN
2 3 070103 李文博 NaN NaN 89 72 76 237 NaN
3 4 070204 姜海燕 NaN NaN 89 89 89 267 NaN
4 5 070205 林若溪 NaN NaN 91 95 83 269 NaN
既可以將對滿足條件的行和列的數據替換,也可以對整個集合的數據按照條件進行替換。
df['總分'].replace(310,'x',inplace=True)
將總分列的數值“310”替換為“x”。inplace=True表示改變原數據。
df.replace(76,0,inplace=True)
將整個DataFrame中的數值“76”替換為“0”。
df.replace([98,76,99],0,inplace=True)
將整個DataFrame中的數值“98,76,99”一次替換為“0”。
2 排序
既可以將某一列作為關鍵字段排序,也可以將幾個列分別作為主、次關鍵字段進行排序。排序既可以按升序排序,也可以按降序排序。
函數sort_values()的語法格式如下:
df.sort_values(by=[“col1”,”col2”,......,”coln”],ascending=False)
其中,coln表示列名,也可以是列名的列表;ascending表示排序方式,值為True表示升序,可以省缺,值為False表示降序。
如:
df=df.sort_values(by=['總分'],ascending=False)
表示按照“總分”從高到低排序。
df=df.sort_values(by=['總分','語文'],ascending=False)
表示按照“總分”從高到低排序,若“總分”相同,再按照“語文”成績從高到低排序。
字段截取
函數slice()可以從某列中截取字符串。格式如下:
slice(start,stop)
其中,start表示開始位置;stop表示結束位置
例:
df['年級']=df['學號'].str.slice(0,2)
通過此語句可以截取學號字段的第1、2個字符,並賦值給年級字段。
21.4 記錄抽取
可以抽取滿足條件的記錄。
例:抽取總分>300的記錄。
df[df.總分>300]
抽取總分在300到310之間(包括300和310)的記錄。
df[df.總分.between(306,310)]
抽取學號中包含“0803”的記錄。這樣可以非常方便的抽取某個班的信息。
df[df.學號.str.contains('0803',na=False)]
此處的na=False,含義是如遇到NaN這樣的數據,直接做不匹配處理。
21.5修改記錄
1、整列替換
我們在前面已經給整列填充過數據,填充時原來的數據就被覆蓋了。
即如下語句:
df['總分']=df['語文']+df['數學']+df['英語']
2、個別修改
如將值‘99’替換為值‘100’,可用如下語句:
df.replace('99','100')
將指定列的值替,如將語文列和英語列的值‘99’替換為值‘100’,可用如下語句:
df.replace({
'語文':99,'英語':99},100)
可用如下程序去驗證:
from pandas import read_excel
file='d:/student.xlsx'
df=read_excel(file,sheet_name=0,converters={
'學號':str})
print(df[(df.語文==99) |(df.英語==99)])
df=df.replace({
'語文':99,'英語':99},100)
print(df[(df.語文==99) |(df.英語==99)])
運行結果為:
序號 學號 姓名 年級 班級 語文 數學 英語 總分 名次
28 29 090802 丁能通 09 NaN 119 120 99 338 NaN
29 30 090203 沈丹妮 09 NaN 109 108 99 316 NaN
Empty DataFrame
Columns: [序號, 學號, 姓名, 年級, 班級, 語文, 數學, 英語, 總分, 名次]
Index: []
可以看出,第一個print()語句輸出的結果中滿足條件“語文或英語為99分”的有兩條記錄,替換語句執行以後,df中再沒有滿足條件“語文或英語為99分”的記錄了。
21.6記錄合並
函數concat()的格式如下:
concat([dataFrame1,dataFrame2,......],ignore_index=True)
其中,dataFrame1等表示要合並的DataFrame數據集合;ignore_index=True表示合並之後的重新建立索引。其返回值也是DataFrame類型。
concat()函數和append()函數的功能非常相似。
例:
import pandas #導入pandas模塊
from pandas import read_excel #導入read_execel
file='d:/student.xlsx' #變量file表示文件路徑,注意'/'的用法 數據見第18章表18-1
df=read_excel(file,sheet_name=0,converters={
'學號':str})
# 將Excel文件導入到DataFrame變量中
df=df[:5] #截取df的前5個記錄
print(df) #輸出df
df1=df[:3] #截取df的前3個記錄存入df1中
df2=df[3:5] #截取df的最後2個記錄存入df2中
df3=pandas.concat([df2,df1]) #將df2與df1合並存入df3中
print(df3) #輸出df3
運行結果如下:
序號 學號 姓名 年級 班級 語文 數學 英語 總分 名次
0 1 070101 王博宇 NaN NaN 84 71 93 NaN NaN
1 2 070102 陳冠濤 NaN NaN 89 89 89 NaN NaN
2 3 070103 李文博 NaN NaN 89 72 76 NaN NaN
3 4 070204 姜海燕 NaN NaN 89 89 89 NaN NaN
4 5 070205 林若溪 NaN NaN 91 95 83 NaN NaN
序號 學號 姓名 年級 班級 語文 數學 英語 總分 名次
3 4 070204 姜海燕 NaN NaN 89 89 89 NaN NaN
4 5 070205 林若溪 NaN NaN 91 95 83 NaN NaN
0 1 070101 王博宇 NaN NaN 84 71 93 NaN NaN
1 2 070102 陳冠濤 NaN NaN 89 89 89 NaN NaN
2 3 070103 李文博 NaN NaN 89 72 76 NaN NaN
由於合並時是將df1合並到df2中,可以看出,索引仍然保持原來的狀態。
21.7統計次數
可以用如下方法統計出某個值在某行或者某個范圍出現的次數。
from pandas import read_excel
file='d:/student.xlsx'
df=read_excel(file,sheet_name=0,converters={
'學號':str})
df=df[:5]
print(df)
print(df['語文'].value_counts())
輸出結果如下:
序號 學號 姓名 年級 班級 語文 數學 英語 總分 名次
0 1 070101 王博宇 NaN NaN 84 71 93 NaN NaN
1 2 070102 陳冠濤 NaN NaN 89 89 89 NaN NaN
2 3 070103 李文博 NaN NaN 89 72 76 NaN NaN
3 4 070204 姜海燕 NaN NaN 89 89 89 NaN NaN
4 5 070205 林若溪 NaN NaN 91 95 83 NaN NaN
89 3
84 1
91 1
Name: 語文, dtype: int64
可以看出,通過value_counts()函數可以統計出列中各值出現的次數。
value_counts()函數的參數還有 :
ascending,當ascending=True時升序排列,當ascending=False時升序排列(此時該參數可省缺);
normalize,當normalize=True時,顯示的不再是各值出現的次數,而是占比。
將上例中的語句print(df[‘語文’].value_counts())改為:
print(df['語文'].value_counts(ascending=True,normalize=True))
則輸出結果變成了:
91 0.2
84 0.2
89 0.6
Name: 語文, dtype: float64
21.8按值查找
print(df['語文'].isin([84,91]))
它的作用是查找‘語文’列中值和isin所指的列表中元素一致的記錄,如果找到結果為True,否則為False。
輸出結果:
0 True
1 False
2 False
3 False
4 True
Name: 語文, dtype: bool
21.9數據分區
根據某個分區標准,將數據按照所屬區域進行劃分,並用相應的標簽表示,可以用cut()方法來實現。
語法格式如下:
cut(series, bins, right=True, labels=NULL)
其中:
series表示需要分組的數據;
bins表示分組的依據,是一個列表,其元素為劃分分區的邊界值,如[0,72,96,120],就是劃分3個分區,即072、7296、96~120,默認的是“左包右不包”;
right表示分組時右邊是否閉合;
labels表示分組的自定義標簽,也可以不重新定義。
下面對上述學生成績表中的語文成績進行分組,並增加一個新的列“語文等級”。
import pandas as pd
from pandas import read_excel #導入read_execel
file='d:/student.xlsx'
df=read_excel(file,sheet_name=0,converters={
'學號':str})
df['年級']=df['學號'].str.slice(0,2)
df['班級']=df['學號'].str.slice(0,4)
df.總分=df.語文+df.數學+df.英語
bins=[0,72,96,max(df.語文)+1] #
lab=['不及格','及格','優秀']
grade=pd.cut(df.語文,bins,right=False,labels=lab)
df['語文等級']=grade
print(df.head())
print("語文成績分等級統計結果:")
print(df['語文等級'].value_counts())
運行結果如下:
序號 學號 姓名 年級 班級 語文 數學 英語 總分 語文等級
0 1 070101 王博宇 07 0701 84 71 93 248 及格
1 2 070102 陳冠濤 07 0701 89 89 89 267 及格
2 3 070103 李文博 07 0701 89 72 76 237 及格
3 4 070204 姜海燕 07 0702 89 89 89 267 及格
4 5 070205 林若溪 07 0702 91 95 83 269 及格
語文成績分等級統計結果:
及格 17
優秀 10
不及格 4
Name: 語文等級, dtype: int64