IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> Python知识库 -> 2021-09-01 机器学习数据处理之pandas基础 -> 正文阅读

[Python知识库]2021-09-01 机器学习数据处理之pandas基础

numpy能够帮助我们处理数值,但是pandas除了处理数值之外(基于numpy),还能够帮助我们处理其他类型的数据(字符串、时间序列等等)

Series

import pandas as pd
import numpy as np
import string

t=pd.Series(np.arange(10),index=list(string.ascii_uppercase[:10]))
t
A    0
B    1
C    2
D    3
E    4
F    5
G    6
H    7
I    8
J    9
dtype: int64
type(t)
pandas.core.series.Series
a={string.ascii_uppercase[i]:i for i in range(10)}
a
{'A': 0,
 'B': 1,
 'C': 2,
 'D': 3,
 'E': 4,
 'F': 5,
 'G': 6,
 'H': 7,
 'I': 8,
 'J': 9}
pd.Series(a)
A    0
B    1
C    2
D    3
E    4
F    5
G    6
H    7
I    8
J    9
dtype: int64
pd.Series(a,index=list(string.ascii_uppercase[5:15]))
F    5.0
G    6.0
H    7.0
I    8.0
J    9.0
K    NaN
L    NaN
M    NaN
N    NaN
O    NaN
dtype: float64
t
A    0
B    1
C    2
D    3
E    4
F    5
G    6
H    7
I    8
J    9
dtype: int64
t["F"]
5
t[1]
1
t[[2,4,5]]
C    2
E    4
F    5
dtype: int64
t[["A","G"]]
A    0
G    6
dtype: int64
t.index
Index(['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J'], dtype='object')
t.values
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
type(t.index)
pandas.core.indexes.base.Index
type(t.values)
numpy.ndarray

DataFrame

tdf=pd.DataFrame(np.arange(12).reshape((3,4)))
tdf
0123
00123
14567
2891011
tdf.shape # 行 列
(3, 4)
tdf.dtypes  #列的数据类型
0    int64
1    int64
2    int64
3    int64
dtype: object
tdf.ndim  #数据维度
2
tdf.index #行索引
RangeIndex(start=0, stop=3, step=1)
tdf.columns  #列索引
RangeIndex(start=0, stop=4, step=1)
tdf.values  #对象值
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])
tdf.head(2)  #显示头2行,默认5行
0123
00123
14567
tdf.tail(3)  #显示末尾3行,默认5行
0123
00123
14567
2891011
tdf.info() # 相关信息概览:
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 3 entries, 0 to 2
Data columns (total 4 columns):
 #   Column  Non-Null Count  Dtype
---  ------  --------------  -----
 0   0       3 non-null      int64
 1   1       3 non-null      int64
 2   2       3 non-null      int64
 3   3       3 non-null      int64
dtypes: int64(4)
memory usage: 224.0 bytes
#pandas读取csv中的文件
df = pd.read_csv("./day04/code/dogNames2.csv")
print(df[(800<df["Count_AnimalName"])|(df["Count_AnimalName"]<1000)],'\n')
# print('df.head:\n',df.head(),'\n\n')
print(df.info())
      Row_Labels  Count_AnimalName
0              1                 1
1              2                 2
2          40804                 1
3          90201                 1
4          90203                 1
...          ...               ...
16215      37916                 1
16216      38282                 1
16217      38583                 1
16218      38948                 1
16219      39743                 1

[16220 rows x 2 columns] 

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 16220 entries, 0 to 16219
Data columns (total 2 columns):
 #   Column            Non-Null Count  Dtype 
---  ------            --------------  ----- 
 0   Row_Labels        16217 non-null  object
 1   Count_AnimalName  16220 non-null  int64 
dtypes: int64(1), object(1)
memory usage: 253.6+ KB
None

DataFrame是由Series组成的

df[:20] #方括号里面写数组表示对行进行操作
Row_LabelsCount_AnimalName
011
122
2408041
3902011
4902031
51022011
630102711
7MARCH2
8APRIL51
9AUGUST14
10DECEMBER4
11SUNDAY13
12MONDAY4
13FRIDAY19
14JAN1
15JUN1
16JANUARY1
17JUNE24
18JULY9
19MON2
df["Count_AnimalName"]   #方括号里面写字符串表示对列操作
0        1
1        2
2        1
3        1
4        1
        ..
16215    1
16216    1
16217    1
16218    1
16219    1
Name: Count_AnimalName, Length: 16220, dtype: int64
type(df["Count_AnimalName"])
pandas.core.series.Series

pandas的loc和iloc

df.loc[1,"Row_Labels"]
'2'
df.loc[[1,2,4,5],["Row_Labels","Count_AnimalName"]]
Row_LabelsCount_AnimalName
122
2408041
4902031
51022011
df.loc[[4],["Row_Labels","Count_AnimalName"]]
Row_LabelsCount_AnimalName
4902031
df.loc[1:8,["Row_Labels","Count_AnimalName"]]
Row_LabelsCount_AnimalName
122
2408041
3902011
4902031
51022011
630102711
7MARCH2
8APRIL51
df.iloc[1:6,[0,1]]
Row_LabelsCount_AnimalName
122
2408041
3902011
4902031
51022011
df[df["Count_AnimalName"]>999]
Row_LabelsCount_AnimalName
1156BELLA1195
9140MAX1153
df[(df["Count_AnimalName"]>700)&(df["Row_Labels"].str.len()>=4)]
# 不同条件之间需要用小括号 括起来
Row_LabelsCount_AnimalName
1156BELLA1195
2660CHARLIE856
3251COCO852
8417LOLA795
8552LUCKY723
8560LUCY710
12368ROCKY823
file_path51 = "./day05/code/IMDB-Movie-Data.csv"
df51 = pd.read_csv(file_path51)

# print(df51.info())

print(df51.head(1))

#获取平均评分
print('rating-meaning:',df51["Rating"].mean())

#导演的人数
# print(len(set(df["Director"].tolist())))
# print(len(df51["Director"].unique()))

#获取演员的人数
temp_actors_list = df51["Actors"].str.split(", ").tolist()
actors_list = [i for j in temp_actors_list for i in j]
actors_num = len(set(actors_list))
print(actors_num)
   Rank                    Title                    Genre  \
0     1  Guardians of the Galaxy  Action,Adventure,Sci-Fi   

                                         Description    Director  \
0  A group of intergalactic criminals are forced ...  James Gunn   

                                              Actors  Year  Runtime (Minutes)  \
0  Chris Pratt, Vin Diesel, Bradley Cooper, Zoe S...  2014                121   

   Rating   Votes  Revenue (Millions)  Metascore  
0     8.1  757074              333.13       76.0  
rating-meaning: 6.723199999999999
2015
import pandas as pd
from matplotlib import pyplot as plt

file_path52 = "./day05/code/starbucks_store_worldwide.csv"

df52 = pd.read_csv(file_path52)

#使用matplotlib呈现出店铺总数排名前10的国家
#准备数据
data1 = df52.groupby(by="Country").count()["Brand"].sort_values(ascending=False)[:10] # ascending-false降序

print(data1,'\n')
_x = data1.index
_y = data1.values

#画图
plt.figure(figsize=(20,8),dpi=80)

plt.bar(range(len(_x)),_y)

plt.xticks(range(len(_x)),_x)

plt.show()
Country
US    13608
CN     2734
CA     1468
JP     1237
KR      993
GB      901
MX      579
TW      394
TR      326
PH      298
Name: Brand, dtype: int64 

在这里插入图片描述

  • 重采样:指的是将时间序列从一个频率转化为另一个频率进行处理的过程,将高频率数据转化为低频率数据为降采样,低频率转化为高频率为升采样

  • pandas提供了一个resample的方法来帮助我们实现频率转化

# coding=utf-8
import pandas as pd
from matplotlib import  pyplot as plt
file_path61 = "./day06/code/PM2.5/BeijingPM20100101_20151231.csv"

df61 = pd.read_csv(file_path61)

#把分开的时间字符串通过periodIndex的方法转化为pandas的时间类型
period = pd.PeriodIndex(year=df61["year"],month=df61["month"],day=df61["day"],hour=df61["hour"],freq="H")
df61["datetime"] = period
print('head():\n',df61.head(),'\n')

#把datetime 设置为索引
df61.set_index("datetime",inplace=True)

#进行降采样
df61 = df61.resample("7D").mean()
print('resample:\n',df61.head())
#处理缺失数据,删除缺失数据
# print(df61["PM_US Post"])

data  =df61["PM_US Post"]
data_china = df61["PM_Nongzhanguan"]

print(data_china.head())
#画图
_x = data.index
_x = [i.strftime("%Y%m%d") for i in _x]
_x_china = [i.strftime("%Y%m%d") for i in data_china.index]
print(len(_x_china),len(_x_china))
_y = data.values
_y_china = data_china.values


plt.figure(figsize=(20,8),dpi=80)

plt.plot(range(len(_x)),_y,label="US_POST",alpha=0.7)
plt.plot(range(len(_x_china)),_y_china,label="CN_POST",alpha=0.7)

plt.xticks(range(0,len(_x_china),10),list(_x_china)[::10],rotation=45)

plt.legend(loc="best")

plt.show()
head():
    No  year  month  day  hour  season  PM_Dongsi  PM_Dongsihuan  \
0   1  2010      1    1     0       4        NaN            NaN   
1   2  2010      1    1     1       4        NaN            NaN   
2   3  2010      1    1     2       4        NaN            NaN   
3   4  2010      1    1     3       4        NaN            NaN   
4   5  2010      1    1     4       4        NaN            NaN   

   PM_Nongzhanguan  PM_US Post  DEWP  HUMI    PRES  TEMP cbwd    Iws  \
0              NaN         NaN -21.0  43.0  1021.0 -11.0   NW   1.79   
1              NaN         NaN -21.0  47.0  1020.0 -12.0   NW   4.92   
2              NaN         NaN -21.0  43.0  1019.0 -11.0   NW   6.71   
3              NaN         NaN -21.0  55.0  1019.0 -14.0   NW   9.84   
4              NaN         NaN -20.0  51.0  1018.0 -12.0   NW  12.97   

   precipitation  Iprec          datetime  
0            0.0    0.0  2010-01-01 00:00  
1            0.0    0.0  2010-01-01 01:00  
2            0.0    0.0  2010-01-01 02:00  
3            0.0    0.0  2010-01-01 03:00  
4            0.0    0.0  2010-01-01 04:00   

resample:
                No    year     month        day  hour  season  PM_Dongsi  \
datetime                                                                  
2010-01-01   84.5  2010.0  1.000000   4.000000  11.5     4.0        NaN   
2010-01-08  252.5  2010.0  1.000000  11.000000  11.5     4.0        NaN   
2010-01-15  420.5  2010.0  1.000000  18.000000  11.5     4.0        NaN   
2010-01-22  588.5  2010.0  1.000000  25.000000  11.5     4.0        NaN   
2010-01-29  756.5  2010.0  1.571429  14.285714  11.5     4.0        NaN   

            PM_Dongsihuan  PM_Nongzhanguan  PM_US Post       DEWP       HUMI  \
datetime                                                                       
2010-01-01            NaN              NaN   71.627586 -18.255952  54.395833   
2010-01-08            NaN              NaN   69.910714 -19.035714  49.386905   
2010-01-15            NaN              NaN  163.654762 -12.630952  57.755952   
2010-01-22            NaN              NaN   68.069307 -17.404762  34.095238   
2010-01-29            NaN              NaN   53.583333 -17.565476  34.928571   

                   PRES       TEMP        Iws  precipitation     Iprec  
datetime                                                                
2010-01-01  1027.910714 -10.202381  43.859821       0.066667  0.786905  
2010-01-08  1030.035714 -10.029762  45.392083       0.000000  0.000000  
2010-01-15  1030.386905  -4.946429  17.492976       0.000000  0.000000  
2010-01-22  1026.196429  -2.672619  54.854048       0.000000  0.000000  
2010-01-29  1025.273810  -2.083333  26.625119       0.000000  0.000000  
datetime
2010-01-01   NaN
2010-01-08   NaN
2010-01-15   NaN
2010-01-22   NaN
2010-01-29   NaN
Freq: 7D, Name: PM_Nongzhanguan, dtype: float64
313 313

在这里插入图片描述

  Python知识库 最新文章
Python中String模块
【Python】 14-CVS文件操作
python的panda库读写文件
使用Nordic的nrf52840实现蓝牙DFU过程
【Python学习记录】numpy数组用法整理
Python学习笔记
python字符串和列表
python如何从txt文件中解析出有效的数据
Python编程从入门到实践自学/3.1-3.2
python变量
上一篇文章      下一篇文章      查看所有文章
加:2021-09-02 11:19:16  更:2021-09-02 11:21:04 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年11日历 -2024/11/15 12:22:34-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码