[PYTHON] Ich habe die Grundoperation von Pandas im Jupyter Lab geschrieben (Teil 1)

Dieser Artikel ist ein Artikel, den ich mit Jupyter Lab tatsächlich in Kame (@usdatascientist) 's Blog (https://datawokagaku.com/python_for_ds_summary/) beschrieben habe.

Zusammenfassung der Grundoperationen von Pandas

10 ..

import pandas as pd
import numpy as np

Series

data = {'name':'John', 'sex':'male', 'age': 22}
john_s = pd.Series(data)
print(john_s)

name    John
sex     male
age       22
dtype: object

array = np.array([10,20,30])
pd.Series(array)

0    10
1    20
2    30
dtype: int64

array = np.array([10,20,30])
labels = ['a','b','c']
pd.Series(array, labels)

a    10
b    20
c    30
dtype: int64

11 ..

So erstellen Sie einen DataFrame

Machen Sie aus Ndarray

data = {'name':'John', 'sex':'male', 'age': 22}
john_s = pd.Series(data)
print(john_s)
print(john_s['age'])

name    John
sex     male
age       22
dtype: object
22

ndarray = np.random.randint(5, size=(5,4))
pd.DataFrame(data=ndarray)

columns = ['a','b','c','d']
index = np.arange(0,50,10)
pd.DataFrame(data=ndarray, index=index, columns=columns)

Aus Wörterbuch machen

data1 = {
    'name':'John',
    'sex':'male',
    'age':22
}
data2 = {
    'name':'Zack',
    'sex':'male',
    'age':30
}
data3 ={
    'name':'Emily',
    'sex':'female',
    'age':32
}
pd.DataFrame([data1, data2, data3])

df = pd.read_csv('train.csv')
df.head()

12 ..

Zeigen Sie die ersten 5 Zeilen mit .head () an.

df.head()

Überprüfen Sie die Statistiken mit .describe ()

df.describe()

type(df.describe()) #Typ ist DataFrame

pandas.core.frame.DataFrame

Liste der Spalten in .columns anzeigen

df.columns

Index(['PassengerId', 'Survived', 'Pclass', 'Name', 'Sex', 'Age', 'SibSp',
       'Parch', 'Ticket', 'Fare', 'Cabin', 'Embarked'],
      dtype='object')

type(df.columns) #Typ ist Index

pandas.core.indexes.base.Index

df.index #Es gibt auch einen Index.

RangeIndex(start=0, stop=891, step=1)

Holen Sie sich die Serie mit einer bestimmten Spalte, die von der Klammer [] umschlossen wird.

df['Age'].head()

0    22.0
1    38.0
2    26.0
3    35.0
4    35.0
Name: Age, dtype: float64

type(df['Age'])

pandas.core.series.Series

Fügen Sie eine Liste der Spalten in die Klammer [] ein und extrahieren Sie mehrere Spalten gleichzeitig

df[['Age','Parch','Fare']].head()

Holen Sie sich eine bestimmte Zeile in Serie mit .iloc [int]

df.iloc[888] #index location

PassengerId                                         889
Survived                                              0
Pclass                                                3
Name           Johnston, Miss. Catherine Helen "Carrie"
Sex                                              female
Age                                                 NaN
SibSp                                                 1
Parch                                                 2
Ticket                                       W./C. 6607
Fare                                              23.45
Cabin                                               NaN
Embarked                                              S
Name: 888, dtype: object

df.iloc[888]['Age']

nan

np.isnan(df.iloc[888]['Age'])

True

np.random.seed(1)
ndarray = np.random.randint(10, size=(5,5))
columns = [0,1,2,3,4]
index = ['a','b','c','d','e']
df_1 = pd.DataFrame(data=ndarray, index=index, columns=columns)
df_1

df_1[0] 

a    5
b    0
c    2
d    2
e    1
Name: 0, dtype: int64

df_1.loc['c'] #Wenn die Zeile nicht int ist['str']Zu.

0    2
1    4
2    5
3    2
4    4
Name: c, dtype: int64

Löschen Sie bestimmte Zeilen und Spalten mit Slicing

Drop-Index = 0 (0. Spalte)

df.drop(0) .head()

Lass die 'Alter'-Spalte fallen

df.drop('Age', axis=1) .head()

Übergeben Sie beim Löschen mehrerer Spalten die Liste als Argument .drop ([]). Durch Löschen wird die ursprüngliche df nicht geändert

df.drop(['Age','PassengerId'], axis=1) .head()

df.head()#Drop ändert nicht die ursprüngliche df

Es gibt zwei Möglichkeiten, df zu überschreiben. Wenn Sie place = True festlegen, wird der ursprüngliche DataFrame geändert

df = pd.read_csv('train.csv')
df.drop(['Age', 'Cabin'], axis=1, inplace=True) 

df .head()

df = pd.read_csv('train.csv')
df = df.drop(['Age', 'Cabin'], axis=1)

id(df)

140285150057616

Holen Sie sich mehrere Zeilen mit Schneiden

df.iloc[5:10]

13 ..

Filtern Sie den DataFrame nach bestimmten Bedingungen

df = pd.read_csv('train.csv')
df = df['Survived'] == 1#Überlebende filtern
df.head()

0    False
1     True
2     True
3     True
4    False
Name: Survived, dtype: bool

filter = df['Survived'] ==1 #Fügen Sie es in eine Variable namens filter ein
df = df[filter]
df.head()

df = df[df['Survived'] ==1] #Dies ist häufiger
df.head()

df[df['Survived'] ==1].describe() #Beschreiben Sie nur Überlebensdaten

df.describe() #Originale Daten

df[df['Age'] >= 60].describe() #'Age'>=Nur 60

df[(df['Age']>=60) & (df['Sex']=='female')] #Daten nur für Frauen über 60 Jahre

df[(df['Pclass']==1) | (df['Age']<10)] #Daten nur für die 1. Klasse oder unter 10 Jahren
df.head()

Wenn ~ (Kringel) hinzugefügt wird, kann es durch NOT-Operation gefiltert werden.

data =[{'Name':'John', 'Survived':True},
      {'Name':'Emily', 'Survived':False},
      {'Name':'Ben', 'Survived':True}]
df = pd.DataFrame(data)
df

Es wird häufig verwendet, wenn nach einer Spalte gefiltert wird, deren Wert boolesch ist.

df[df['Survived']==True] 

Da die Spalte Survived bereits Boolean ist, benötigen Sie == True nicht. Da df ['Survived'] bereits eine Boolean-Reihe ist, können Sie sie einfach wie links gezeigt filtern.

df[df['Survived']] 

Wenn Sie auf Survived == False eingrenzen möchten, können Sie Folgendes tun, ohne df [df ['Survived' == False] ausführen zu müssen.

df[~df['Survived']] 

Index ändern

Index mit .reset_index () neu zuweisen

df = pd.read_csv('train.csv')
df = df[df['Sex']=='male']
df.head() #Index ist unzusammenhängend

Indizes ausrichten

Wie bei .drop () wird das ursprüngliche df nicht überschrieben. Wenn Sie also das df aktualisieren möchten, weisen Sie es mit inplace = True oder df = df.reset_index () neu zu.

df.reset_index() .head()

Verwenden Sie .set_index (), um eine bestimmte Spalte zu indizieren

Setzen Sie den Index auf "Name".

Wie bei .reset_index () können Sie die ursprüngliche df mit inplace = True überschreiben.

df.set_index('Name').head()