Python AI庫 Pandas的常見操作的擴展知識

本文默認讀者具備以下技能：

• 熟悉python基礎知識，vscode或其它編輯工具
• 熟悉表格文件的基本操作
• 具備自主擴展學習能力
  

前文中對Pandas的數據結構以及基礎操作做了介紹,本文中會在前文的基礎上,對常見的操作進行拓展,并舉例說明。

一、數據讀取與查看

Pandas提供了多種方法讀取不同格式的數據文件，例如CSV、Excel等。讀取數據后，可以通過簡單的函數查看數據的整體情況。

import pandas as pd

# 讀取CSV文件
df = pd.read_csv('data.csv')

# 查看數據的前5行
print(df.head())

# 查看數據的基本信息，包括列名、數據類型、非空值數量等
print(df.info())

擴展信息：read_csv函數支持多種參數，如header指定列名所在的行，delimiter指定分隔符等。head函數默認顯示前5行，但可以通過傳遞參數來指定顯示的行數。

二、數據篩選

Pandas提供了靈活的條件篩選功能，可以根據條件過濾出滿足特定條件的數據行。

# 篩選年齡大于30的數據行
filtered_df = df[df['age'] > 30]

# 使用邏輯運算符進行復合條件篩選
filtered_df_complex = df[(df['age'] > 30) & (df['gender'] == 'male')]

print(filtered_df_complex)

擴展信息：除了使用列名和比較運算符進行篩選，Pandas還支持使用isin函數進行多值篩選，以及使用query函數進行更復雜的查詢。

三、數據排序

Pandas允許我們根據一列或多列對數據進行排序。

# 根據年齡列進行升序排序
sorted_df = df.sort_values(by='age', ascending=True)

# 根據多列進行排序，先按年齡升序，再按姓名降序
sorted_df_multi = df.sort_values(by=['age', 'name'], ascending=[True, False])

print(sorted_df_multi)

擴展信息：sort_values函數支持ascending參數指定排序方式（升序或降序），默認為升序。同時，也可以通過inplace參數選擇是否直接修改原DataFrame。

四、數據分組與聚合

Pandas提供了groupby功能，可以對數據進行分組，并對每個組執(zhí)行聚合操作。

# 根據性別列分組，并計算每組的平均年齡
grouped_df = df.groupby('gender')['age'].mean()

# 展示分組后的結果
print(grouped_df)

擴展信息：除了計算平均值，groupby還可以與許多聚合函數一起使用，如sum、count、max、min等。同時，還可以使用agg函數執(zhí)行多個聚合操作。

五、缺失數據處理

Pandas提供了處理缺失數據（NaN）的功能，包括檢測、填充和刪除等操作。

# 檢測缺失值
print(df.isnull().sum())

# 填充缺失值，例如使用列的平均值填充年齡列的缺失值
df['age'].fillna(df['age'].mean(), inplace=True)

# 刪除含有缺失值的行
df_dropna = df.dropna()

print(df_dropna)

擴展信息：fillna函數支持多種填充方式，如使用固定值、前一個有效值、后一個有效值等。同時，dropna函數還支持指定軸（行或列）進行刪除操作。文章來源地址http://www.zghlxwxcb.cn/news/detail-861698.html

到了這里，關于Python AI庫 Pandas的常見操作的擴展知識的文章就介紹完了。如果您還想了解更多內容，請在右上角搜索TOY模板網以前的文章或繼續(xù)瀏覽下面的相關文章，希望大家以后多多支持TOY模板網！