DataFrame基本操作 <三> 計算名次，移除重復數據，數據替換，劃分區間，分組統計（變成類）
阿新 • • 發佈：2018-06-06
pla cti 特定 但是 afr bin 條件 IV 用法
生成一個實例
df5 = DataFrame({‘b‘: [4.3, 7, -3, 2],
‘a‘: [0, 1, 0, 1],
‘c‘: [-2, 5, 8, -2.5]})
print(df5)
運行結果
b a c
0 4.3 0 -2.0
1 7.0 1 5.0
2 -3.0 0 8.0
3 2.0 1 -2.5
計算名次
print(df5.rank() ) # 按行計算名次 print(df5.rank(axis=1)) # 按列計算名次 #這有意思了，這是計算名次，顯示的結果是名次，不是裏邊值的內容，只能用在f類型，df5.rank（）是垂直方向比大小，豎著四個誰最大，顯示的數字最大，最大4，最小1#df5.rank（axis=1）就是水平方向比大小，三個 數字之間比，最大3，最小1
運行結果
b a c 0 4.3 0 -2.0 1 7.0 1 5.0 2 -3.0 0 8.0 3 2.0 1 -2.5 #原本 b a c 0 3.0 1.5 2.0 1 4.0 3.5 3.0 2 1.0 1.5 4.0 3 2.0 3.5 1.0 #豎著比，也就是垂直比，4個值 b a c 0 3.0 2.0 1.0 1 3.0 1.0 2.0 2 1.0 2.0 3.0 3 3.0 2.0 1.0 #水平比，3個值
重新生成一個實例，觀察這個實例的生成方法
df6 = pd.DataFrame({‘k1‘: [‘one‘, ‘two‘] * 3 + [‘two‘],
‘k2‘: [1, 1, 2, 3, 3, 4, 4]})
print(df6)
df7 = pd.DataFrame({‘k1‘: [‘one‘, ‘two‘] * 3 + [‘two‘],
‘k2‘: list(‘1123344‘)})
print(df6)
print（df7）
#以上兩種方法，效果一樣，但是結果不一樣。。怎麽理解那，上邊的k2是int，下邊的k2是str，我一開始錯誤的以為一樣了，現在我們拿df6來舉例
運行結果
k1 k2 0 one 1 1 two 1 2 one 2 3 two 3 4 one 3 5 two 4 6 two 4 #就寫一個行了
移除重復的數據
print(df6.drop_duplicates()) # 移除重復的行 print(df6.drop_duplicates([‘k1‘])) # 移除某列有重復的行 print(df6[::-1].drop_duplicates([‘k1‘])) # 反向移除 #這裏講究了，第一個是垂直移除，移除的條件是同時滿足k1，k2的值都相等 #第二個是k1列只有重復的都移除 #第三個是垂直反向開始
運行結果
k1 k2 0 one 1 1 two 1 2 one 2 3 two 3 4 one 3 5 two 4 6 two 4 #原版 k1 k2 0 one 1 1 two 1 2 one 2 3 two 3 4 one 3 5 two 4 #移除了重復的行‘two 4’ k1 k2 0 one 1 1 two 1 #k1 去掉重復的 k1 k2 6 two 4 4 one 3 #反向開始 去掉k1重復的
數據替換
這裏是根據‘name’（cols）替換的。
我覺得這個方法挺重要的以後能用的上，挺好的。
i={k1[0]:123,k1[1:456}
df[‘name].map(i) #
k3 = {‘one‘: 2001, ‘two‘: 2002}
df6[‘k3‘] = df6[‘k1‘].map(k3) # 根據已有的鍵值做轉換
print(df6[‘k3‘])
print(df6)
print(df6[‘k2‘].replace([2, 4], 0)) # 替換特定的值
print(df6)
#第一個，k1裏邊有‘one’，‘two’，創建k3，用map方法
#第二個就是字面意思，k2裏邊的2，4替換成0
運行結果
k1 k2 0 one 1 1 two 1 2 one 2 3 two 3 4 one 3 5 two 4 6 two 4 #原版 0 2001 1 2002 2 2001 3 2002 4 2001 5 2002 6 2002 Name: k3, dtype: int64 #k3的數據 k1 k2 k3 0 one 1 2001 1 two 1 2002 2 one 2 2001 3 two 3 2002 4 one 3 2001 5 two 4 2002 6 two 4 2002 #現版 0 1 1 1 2 0 3 3 4 3 5 0 6 0 Name: k2, dtype: int64 #替換後的k2 k1 k2 k3 0 one 1 2001 1 two 1 2002 2 one 2 2001 3 two 3 2002 4 one 3 2001 5 two 4 2002 6 two 4 2002 #請註意！！！這裏如果你打印df6，還是上一版，k2的新值沒有賦過來，也就是replace返回的結果是單獨的。
那麽如何將新產生的k2賦值給df6
a=df6[‘k2‘].replace([2, 4], 0) df6[‘k2‘]=a print(df6)
運行結果
k1 k2 k3 0 one 1 2001 1 two 1 2002 2 one 0 2001 3 two 3 2002 4 one 3 2001 5 two 0 2002 6 two 0 2002 完美
劃分區間
對零散是數據劃分區間
bins = pd.cut(df6[‘k2‘], [0, 2, 4]) # 對離散數據劃分區間，cut用法，劃分兩個區間，0~2,2~4 print(bins) df6[‘k2‘]=bins print(df6)
運行結果
k1 k2 0 one 1 1 two 1 2 one 2 3 two 3 4 one 3 5 two 4 6 two 4 #原版 0 (0, 2] 1 (0, 2] 2 (0, 2] 3 (2, 4] 4 (2, 4] 5 (2, 4] 6 (2, 4] Name: k2, dtype: category Categories (2, interval[int64]): [(0, 2] < (2, 4]] #這裏區間的意思是0~2之間的劃為一塊，2~4之間的劃為一塊 k1 k2 0 one (0, 2] #1 1 two (0, 2] #1 2 one (0, 2] #2 3 two (2, 4] #3 4 one (2, 4] #3 5 two (2, 4] #4 6 two (2, 4] #4
同理，再來一個對比
bins = pd.cut(df6[‘k2‘], [0, 3, 4]) # 對離散數據劃分區間，cut用法，劃分兩個區間，0~3,3~4 print(bins) df6[‘k2‘]=bins print(df6)
運行結果
k1 k2 0 one (0, 3] 1 two (0, 3] 2 one (0, 3] 3 two (0, 3] 4 one (0, 3] 5 two (3, 4] 6 two (3, 4]
按區間對離散數值進行統計
bins = pd.cut(df6[‘k2‘], [0, 2, 4]) # 對離散數據劃分區間，cut用法，劃分兩個區間，0~2,2~4 print(pd.value_counts(bins)) # 按區間對離散值統計
運行結果
(2, 4] 4 (0, 2] 3 Name: k2, dtype: int64
生成新的‘name’，加上分類信息
bins = pd.cut(df6[‘k2‘], [0, 2, 4]) # 對離散數據劃分區間，cut用法，劃分兩個區間，0~2,2~4 df6[‘k3‘] = bins # 在原有dataframe上直接加上分類信息，這裏生成了k3 print(df6)
運行結果
k1 k2 k3 0 one 1 (0, 2] 1 two 1 (0, 2] 2 one 2 (0, 2] 3 two 3 (2, 4] 4 one 3 (2, 4] 5 two 4 (2, 4] 6 two 4 (2, 4]
分組統計
group_6=df6.groupby([df6[‘k3‘]]) # 分組，好像創建了一個類。。。。這裏如果是k2或者k1，無法使用統計平均數，mean是個類的方法。 print(group_6.sum()) # 統計 求和 print(group_6.mean()) # 統計 平均數 這個平均數是k2的！！！這就是個類，沒錯就是把整個df6變成一個類了
運行結果
k1 k2 k3 0 one 1 (0, 2] 1 two 1 (0, 2] 2 one 2 (0, 2] 3 two 3 (2, 4] 4 one 3 (2, 4] 5 two 4 (2, 4] 6 two 4 (2, 4] k2 k3 (0, 2] 4 (2, 4] 14 k2 k3 (0, 2] 1.333333 (2, 4] 3.500000
# group_6.apply(function_name) # 對分組對象應用自定義函數 # 練習: 對df6按k3分組後，求每組中k2列的最大值和最小值 # 要求利用 apply 函數
回家再做
DataFrame基本操作 <三> 計算名次，移除重復數據，數據替換，劃分區間，分組統計（變成類）