實戰 | 快速上手Pandas

pandas是python數據分析中非常常用的一個模塊，pandas中功能較多學起來有一定難度，本片文章通過一些簡單例子帶大家快速上手pandas。

我們要用的森林植被的數據，文件名爲parks.csv。

首先先載入pandas：

import pandas as pd

然後用pandas讀入數據，把公園編號'Park Code'設置爲index

df = pd.read_csv('parks.csv', index_col=['Park Code'])
# 顯示出前5行
df.head(5)

數據的列分別爲：公園名字，公園在哪個州，公園大小，維度，經度

獲取單行數據：

使用.iloc 加上行索引獲取單行數據

df.iloc[2]

Park Name    Badlands National Park
State                            SD
Acres                        242756
Latitude                      43.75
Longitude                    -102.5
Name: BADL, dtype: object

使用 .loc 方法加上index的名稱獲取單行數據

df.loc['BADL'] 

Park Name    Badlands National Park
State                            SD
Acres                        242756
Latitude                      43.75
Longitude                    -102.5
Name: BADL, dtype: object

獲取多行數據：

loc加上多行數據的名稱

df.loc[['BADL', 'ARCH', 'ACAD']]

iloc加上行索引

df.iloc[[2, 1, 0]]

獲取數據分片

# 獲取前3行數據
df[:3]

# 獲取後3行數據
df[-3:]

獲取單列數據
獲得State這一列數據的前3行

df['State'].head(3)

Park Code
ACAD    ME
ARCH    UT
BADL    SD
Name: State, dtype: object

使用下面df.State方法可以獲得同樣效果

df.State.head(3)

Park Code
ACAD    ME
ARCH    UT
BADL    SD
Name: State, dtype: object

df.Park Code 將會出錯，因爲Park Code中間有空格

df.Park Code

 File "<ipython-input-66-49beb60e7bae>", line 1
    df.Park Code
               ^
SyntaxError: invalid syntax

我們可以把所有列的名稱中的空格都替換成_避免出錯

df.columns = [col.replace(' ', '_').lower() for col in df.columns]
print(df.columns)p=msno.bar(diabetes_data)

Index(['park_name', 'state', 'acres', 'latitude', 'longitude'], dtype='object')

獲取多列數據

columns = ['state', 'acres']
df[columns][:3]

選擇數據的子集
選擇state=='UT'的數據，False表示條件該行條件不成立，True表示該行條件成立

 (df.state == 'UT').head()

Park Code
ACAD    False
ARCH     True
BADL    False
BIBE    False
BISC    False
Name: state, dtype: bool

選擇所有state=='UT'結果爲True的行

df[df.state == 'UT']

更復雜一些的數據提取，獲取緯度大於60或者面積大於10^6的數據的前三行

df[(df.latitude > 60) | (df.acres > 10**6)].head(3)

對park_name中的字符以空格做切分，切分後放入lambda x: len(x) == 3函數中做判斷，如果判斷正確返回True，判斷錯誤返回False

df[df['park_name'].str.split().apply(lambda x: len(x) == 3)].head(3)

state中的數字爲['WA', 'OR', 'CA']中的一個則爲True，否則爲False

df[df.state.isin(['WA', 'OR', 'CA'])].head()