首页 > 其他分享 >数据分析02_数据筛选

数据分析02_数据筛选

时间:2023-01-17 18:22:05浏览次数:66  
标签:02 数据分析 index Series DataFrame pd 筛选 数据 字典

 本次学习数据以Titanic为例,链接:https://www.kaggle.com/competitions/titanic/data

本次学习工具:jupyter

本次学习目录文件:

数据分析主要使用python的numpy和pandas库

import numpy as np
import pandas as pd

一、数据类型

  1.DataFrame

  DataFrame 是由多种类型的列构成的二维标签数据结构,类似于 Excel 、SQL 表,或 Series 对象构成的字典。

  支持多种格式:

  • 一维 ndarray、列表、字典、Series 字典
  • 二维 numpy.ndarray
  • 结构多维数组或记录多维数组
  • Series
  • DataFrame

  ① Series生成DataFrame

d2 = {'one': pd.Series([1., 2., 3.], index=['a', 'b', 'c']), 'two': pd.Series([1., 2., 3., 4.], index=['a', 'b', 'c', 'd'])}
df10 = pd.DataFrame(d2)
df10

  

 

  ② 用多维数组字典、列表字典生成DataFrame

d3 = {'one': [1., 2., 3., 4.],'two': [4., 3., 2., 1.]}
df11 = pd.DataFrame(d3)
df11

  

  ③ 用结构多维数组或记录多维数组生成 DataFrame

data = np.zeros((2, ), dtype=[('A', 'i4'), ('B', 'f4'), ('C', 'a10')])
data[:] = [(1, 2., 'Hello'), (2, 3., "World")]
pd.DataFrame(data)

  

 

  ④ 用列表字典生成 DataFrame

data2 = [{'a': 1, 'b': 2}, {'a': 5, 'b': 10, 'c': 20}]
pd.DataFrame(data2)

  

  ⑤ 用元组字典生成DataFrame

pd.DataFrame({('a', 'b'): {('A', 'B'): 1, ('A', 'C'): 2},('a', 'a'): {('A', 'C'): 3, ('A', 'B'): 4},('a', 'c'): {('A', 'B'): 5, ('A', 'C'): 6},('b', 'a'): {('A', 'C'): 7, ('A', 'B'): 8},('b', 'b'): {('A', 'D'): 9, ('A', 'B'): 10}})

  

  2.Series

  Series是带标签的一维数组,可存储整数、浮点数、字符串、Python 对象等类型的数据。轴标签统称为索引。

  创建Series格式: s = pd.Series(data, index=index)

  其中data支持格式3种:python字典、多维数组、标量值(e.g. 5)

  ① 多维数组——data长度与index长度需一致,无index时自动创建(注意点)

s1 = pd.Series(np.random.randn(5), index=['a', 'b', 'c', 'd', 'e'])

  

  ② 字典——字典可通过Series实例化

    i.实例化

d1 = {'b': 1, 'a': 0, 'c': 2}
pd.Series(d1)

    

    ii. 通过index提取对应值

d1 = ['b':'1', 'a':'0', 'c':'2']
pd.Series(d1, index=['b', 'c', 'd', 'a'])

    

  ③ 标量值——必须有索引,按照索引将标量值重复

pd.Series(5., index=['a', 'b', 'c', 'd', 'e'])

  

  【注意点】值列表生成Series,自动生成整数索引

s = pd.Series([1, 3, 5, np.nan, 6, 8])

  

二、数据对比

  1.删除列

    ① del

    

    ② pop

    

    ③ drop

      i.修改为副本,不影响源文件——可用于隐藏数据

       

      ii.保存修改

      

三、数据筛选

  源数据

  

  1. 数据交集和并集

    ① 筛选10岁以下的乘客

df1[df1['Age']<10]

    

    ② 筛选10岁以上50岁以下的乘客(交集)

df1[ (df1['Age']>10) & (df1['Age']<50)]

    

    ③ 筛选10岁以下或者50岁以上的乘客(并集)

df1[ (df1['Age']<10) | (df1['Age']>50)]

    

  2. 数据抽取

    从上述并集中抽取数据,并集组合数据的索引值非等步长增加,组合数据如下图,一共126行12列数据。

    

    ① 组合数据中抽取数据第126行数据

      i. loc[]抽取

        如下图所示,抽取126行数据失败,抽取852行成功,此索引搜索出的数据仍然是组合前的源数据集合

      

      ii. iloc[]抽取

      

      iii.reset_index(drop=True),删除原索引,重置索引

 

标签:02,数据分析,index,Series,DataFrame,pd,筛选,数据,字典
From: https://www.cnblogs.com/sibyl-ji/p/17058035.html

相关文章