我們知道Pandas是Python中最廣泛使用的數據分析和操作庫。它提供了許多功能和方法，可以快速解決數據分析中數據處理問題。

為了更好的掌握Python函數的使用方法，我以客戶流失數據集為例，分享在數據分析過程中最常使用的函數和方法。

數據如下所示：

importnumpyasnp

importpandasaspd

df=pd.read_csv("Churn_Modelling.csv")

print(df.shape)

df.columns

結果輸出：

(10000,14)

Index(['RowNumber','CustomerId','Surname','CreditScore','Geography','Gender','Age','Tenure','Balance','NumOfProducts','HasCrCard','IsActiveMember','EstimatedSalary','Exited'],dtype='object')

1.刪除列

df.drop(['RowNumber','CustomerId','Surname','CreditScore'],axis=1,inplace=True)

print(df[:2])

print(df.shape)

結果輸出：

說明：「axis」參數設置為1以放置列，0設置為行。「inplace=True」參數設置為True以保存更改。我們減了4列，因此列數從14個減少到10列。

GeographyGenderAgeTenureBalanceNumOfProductsHasCrCard\

0FranceFemale4220.011

IsActiveMemberEstimatedSalaryExited

01101348.881

(10000,10)

2.選擇特定列

我們從csv文件中讀取部分列數據。可以使用usecols參數。

df_spec=pd.read_csv("Churn_Modelling.csv",usecols=['Gender','Age','Tenure','Balance'])

df_spec.head()

3.nrows

可以使用nrows參數，創建了一個包含csv文件前5000行的數據幀。還可以使用skiprows參數從文件末尾選擇行。Skiprows=5000表示我們將在讀取csv文件時跳過前5000行。

df_partial=pd.read_csv("Churn_Modelling.csv",nrows=5000)

print(df_partial.shape)

4.樣品

創建數據框后，我們可能需要一個小樣本來測試數據。我們可以使用n或frac參數來確定樣本大小。

df=pd.read_csv("Churn_Modelling.csv",usecols=['Gender','Age','Tenure','Balance'])

df_sample=df.sample(n=1000)

df_sample2=df.sample(frac=0.1)

5.檢查缺失值

isna函數確定數據幀中缺失的值。通過將isna與sum函數一起使用，我們可以看到每列中缺失值的數量。

df.isna().sum()

6.使用loc和iloc添加缺失值

使用loc和iloc添加缺失值，兩者區別如下：

·loc：選擇帶標簽

·iloc：選擇索引

我們首先創建20個隨機索引進行選擇：

missing_index=np.random.randint(10000,size=20)

我們將使用loc將某些值更改為np.nan(缺失值)。

df.loc[missing_index,['Balance','Geography']]=np.nan

"Balance"和"Geography"列中缺少20個值。讓我們用iloc做另一個示例。

df.iloc[missing_index,-1]=np.nan

7.填充缺失值

fillna函數用于填充缺失的值。它提供了許多選項。我們可以使用特定值、聚合函數(例如均值)或上一個或下一個值。

avg=df['Balance'].mean()

df['Balance'].fillna(value=avg,inplace=True)

fillna函數的方法參數可用于根據列中的上一個或下一個值(例如方法="ffill")填充缺失值。它可以對順序數據(例如時間序列)非常有用。

8.刪除缺失值

處理缺失值的另一個方法是刪除它們。以下代碼將刪除具有任何缺失值的行。

df.dropna(axis=0,how='any',inplace=True)

9.根據條件選擇行

在某些情況下，我們需要適合某些條件的觀測值(即行)。

france_churn=df[(df.Geography=='France')&(df.Exited==1)]

france_churn.Geography.value_counts()

10.用查詢描述條件

查詢函數提供了一種更靈活的傳遞條件的方法。我們可以用字符串來描述它們。

df2=df.query('80000

df2=df.query('80000

df2=df.query('80000

11.用isin描述條件

條件可能有多個值。在這種情況下，最好使用isin方法，而不是單獨編寫值。

df[df['Tenure'].isin([4,6,9,10])][:3]

12.Groupby函數

PandasGroupby函數是一個多功能且易于使用的功能，可幫助獲取數據概述。它使瀏覽數據集和揭示變量之間的基本關系更加容易。

我們將做幾個組比函數的示例。讓我們從簡單的開始。以下代碼將基于Geography、Gender組合對行進行分組，然后給出每個組的平均流。

df[['Geography','Gender','Exited']].groupby(['Geography','Gender']).mean()

13.Groupby與聚合函數結合

agg函數允許在組上應用多個聚合函數，函數的列表作為參數傳遞。

df[['Geography','Gender','Exited']].groupby(['Geography','Gender']).agg(['mean','count'])

以上內容為大家介紹了數據分析過程中最常使用的Python函數和方法，希望對大家有所幫助，如果想要了解更多Python相關知識，請關注IT培訓機構:千鋒教育。http://www.mobiletrain.org/

上一篇

linux命令大全換頁？

下一篇

Python 3.0 的修改