超赞!两张小抄,带你 “迅速” 掌握Pandas “数据清洗” 流程!
本文简介
今天这篇文章,就当作是pandas教程的开篇文章吧!这是由Pandas官方发布的两张 “小抄”,内容不像matplotlib小抄那么多,但是内容确实极其精简,肯定可以迅速带你 “理清” Pandas学习思路。
项目地址如下:
https://github.com/pandas-dev/pandas/blob/master/doc/cheatsheet/Pandas_Cheat_Sheet.pdf
当然,这只是带你入门,图中的每个知识点,在后面的系列文章里,都将系统性为大家讲解,see you later
一饱眼福
咱们先一饱眼福吧,上传图片可能会失真,导致图片看不清楚。文末会给大家提供 “高清版” 供大家下载。
虽然这两张图,不能详尽Pandas所有知识点,但是肯定是包含了Pandas的精髓,你掌握了这两张图,可以算是会用Pandas了。关于其它方法和技巧,大家练个手,基本也就学会了。
图片 “拆解” 讲解
肯定不是光给你两张图就行了呀,接下来,我们以此为基础,带着大家 “解剖” 这两张图吧。
① 创建DataFrame
DataFrame是pandas中最重要的数据结构,利用DataFrame()函数,我们可以创建各种不同结构的 “表格数据”,下面介绍了两种创建DataFrame的方法。
② 数据重塑
这里涉及到的知识点,就有点多了。什么是 “重塑” 呢?就是将原有的数据编程各种不同的结构。比如说:
- melt:能够帮助我们实现列变行;
- pivot:数据透视能够实现行变列;
- concat:将不同的DataFrame按照行、列,进行拼接;
- 当然,这里还涉及到排序、删除列、重命名等问题;
③ 数据选取
有时候,我们需要针对某个DataFrame的某个部分,做某些操作,这就需要我们学会 “选取” 数据。这里分为2个部分 “选取行数据” 和 “选取列数据”。
选取行数据的若干操作:
选取列数据的若干操作:
④ 汇总数据
下图为大家提供了一些常用的 “统计函数”,还有几个常用的其他函数 “value_couns()”、“nunique”、“describe”等,它们能够帮助我们进行 “不同条件” 下的汇总,帮助我们更快的了解数据。
⑤ 处理缺失值
这里主要为大家讲解两个函数:dropna() 和 fillna()。
⑥ 分组操作
不管是Excel、SQL,还是Python,分组统计这个操作,一直是必学的操作,这也是pandas学习过程中,极其重要的一个知识点。我们可以将原始数据,按照某个条件分组,接着对每个组使用下面的这些函数。
⑦ 合并数据集
pandas中merge()函数的作用,相当于excel中的vlookup()函数,相当于mysql中的左连接、右连接等,能够很方便的帮助我们,建立不同表之间的联系。
⑧ 窗口函数
做数据分析时,特别是在分析时间序列数据时,需要使用到这两个函数,滚动窗口rolling函数和扩展窗口expanding函数。
⑨ 绘图
绘图不是matplotlib的特权,其实对于一些简单的统计图形,直接使用pandas绘制,会更简单、更方便。
今天的文章大致就讲到这,看到这里,你应该大致搞明白了pandas可以做哪些东西,对于pandas里面的细节东西,请关注 “pandas系列教程” 哦。
相关文章
- 从本体论开始说起——运营商关系图谱的构建及应用
- 如何成为一名数据科学家?
- 从未见过的堂兄杀了人,你的DNA是关键证据
- 20个安全可靠的免费数据源,各领域数据任你挑
- 20个安全可靠的免费数据源,各领域数据任你挑
- 阿里云李飞飞:All in Cloud时代,云原生数据库优势明显
- 基于Hadoop生态系统的一高性能数据存储格式CarbonData(性能篇)
- 大数据告诉你:10年漫威,到底有多少角色
- TigerGraph:实时图数据库助力金融风控升级
- Splunk利用Splunk Connected Experiences和Splunk Business Flow 扩大数据访问
- 大数据开发常见的9种数据分析手段
- 以免在景区看人,我爬了5W条全国景点门票数据...
- 【实战解析】基于HBase的大数据存储在京东的应用场景
- 数据科学家告诉你哪些计算机科学书籍是你应该看的
- Kafka作为大数据的核心技术,你了解多少?
- Spring Boot 整合 Redis 实现缓存操作
- 大数据学习必须掌握的五大核心技术有哪些?
- 基于Antlr在Apache Flink中实现监控规则DSL化的探索实践
- 甲骨文再次被Gartner评为分析型数据管理解决方案魔力象限领导者
- 爬取吴亦凡微博102118条转发数据,扒一扒流量的真假