美文网首页数据分析专题
pandas 缺失值处理和统计操作

pandas 缺失值处理和统计操作

作者: 无敌的肉包 | 来源:发表于2018-05-29 17:50 被阅读1079次

    缺失值处理

    在Pandas中使用浮点值NaN表示数组中的缺失数据

    1. 使用reindex()方法可以对指定轴上的索引进行改变/增加/删除操作,这将返回原始数据的一个拷贝。
    In [88]: df1 = df.reindex(index=dates[0:4],columns=list(df.columns)+['E'])
    
    In [89]: df1
    Out[89]:
                       A         B         C         D   E
    2013-01-01 -2.130791  0.903688  0.645726 -0.776207 NaN
    2013-01-02 -0.622650  0.499566 -0.022492  1.326563 NaN
    2013-01-03  2.140337  0.605600 -1.312784  1.059143 NaN
    2013-01-04 -1.125467 -0.200313 -0.082067 -0.523501 NaN
    
    In [90]: df1.loc[dates[0]:dates[1],'E']=1
    
    In [91]: df1
    Out[91]:
                       A         B         C         D   E
    2013-01-01 -2.130791  0.903688  0.645726 -0.776207   1
    2013-01-02 -0.622650  0.499566 -0.022492  1.326563   1
    2013-01-03  2.140337  0.605600 -1.312784  1.059143 NaN
    2013-01-04 -1.125467 -0.200313 -0.082067 -0.523501 NaN
    
    1. 去掉包含缺失值的行,不改变原来的值 dropna
    In [92]: df1.dropna(how='any')
    Out[92]:
                       A         B         C         D  E
    2013-01-01 -2.130791  0.903688  0.645726 -0.776207  1
    2013-01-02 -0.622650  0.499566 -0.022492  1.326563  1
    
    1. 对缺失值进行填充 fillna
    In [94]: df1.fillna(value=5)
    Out[94]:
                       A         B         C         D  E
    2013-01-01 -2.130791  0.903688  0.645726 -0.776207  1
    2013-01-02 -0.622650  0.499566 -0.022492  1.326563  1
    2013-01-03  2.140337  0.605600 -1.312784  1.059143  5
    2013-01-04 -1.125467 -0.200313 -0.082067 -0.523501  5
    
    1. 对数据进行布尔填充 isnull notnull
    In [95]: pd.isnull(df1)
    Out[95]:
                    A      B      C      D      E
    2013-01-01  False  False  False  False  False
    2013-01-02  False  False  False  False  False
    2013-01-03  False  False  False  False   True
    2013-01-04  False  False  False  False   True
    
    In [96]: df1.isnull()
    Out[96]:
                    A      B      C      D      E
    2013-01-01  False  False  False  False  False
    2013-01-02  False  False  False  False  False
    2013-01-03  False  False  False  False   True
    2013-01-04  False  False  False  False   True
    

    统计操作

    1. 统计操作

    执行描述性统计默认x轴

    In [98]: df.mean()
    Out[98]:
    A   -0.234022
    B    0.433988
    C   -0.224383
    D    0.164193
    dtype: float64
    

    在其他轴上进行相同的操作

    In [99]: df.mean(1)
    Out[99]:
    2013-01-01   -0.339396
    2013-01-02    0.295247
    2013-01-03    0.623074
    2013-01-04   -0.482837
    2013-01-05    0.580012
    2013-01-06   -0.466437
    Freq: D, dtype: float64
    

    对不拥有不同维度,需要对齐的对象进行操作pandas会自动的沿着指定的维度进行广播 shift

    In [101]: s
    Out[101]:
    2013-01-01     1
    2013-01-02     3
    2013-01-03     5
    2013-01-04   NaN
    2013-01-05     5
    2013-01-06     8
    Freq: D, dtype: float64
    
    In [102]: s=pd.Series([1,3,5,np.nan,5,8],index=dates).shift(1)
    
    In [103]: s
    Out[103]:
    2013-01-01   NaN
    2013-01-02     1
    2013-01-03     3
    2013-01-04     5
    2013-01-05   NaN
    2013-01-06     5
    Freq: D, dtype: float64
    
    1. Apply对数据也应用函数
    In [104]: df.apply(np.cumsum)
    Out[104]:
                       A         B         C         D
    2013-01-01 -2.130791  0.903688  0.645726 -0.776207
    2013-01-02 -2.753441  1.403254  0.623234  0.550356
    2013-01-03 -0.613104  2.008854 -0.689550  1.609499
    2013-01-04 -1.738571  1.808542 -0.771617  1.085997
    2013-01-05 -1.206559  3.211595 -0.650754  1.350118
    2013-01-06 -1.404133  2.603928 -1.346298  0.985156
    In [107]: df.apply(lambda x:x.max()-x.min())
    Out[107]:
    A    4.271128
    B    2.010720
    C    1.958509
    D    2.102770
    dtype: float64
    
    1. 直方图 value_counts()
    In [108]: s=pd.Series(np.random.randint(0,7,size=10))
    
    In [109]: s
    Out[109]:
    0    4
    1    6
    2    1
    3    1
    4    2
    5    6
    6    6
    7    4
    8    5
    9    1
    dtype: int32
    In [111]: s.value_counts()
    Out[111]:
    6    3
    1    3
    4    2
    5    1
    2    1
    dtype: int64
    
    1. 字符串方法
    In [112]: s=pd.Series(['A','B','C','Aaba','Baca',np.nan,'CABA','dog','cat'])
    
    In [113]: s
    Out[113]:
    0       A
    1       B
    2       C
    3    Aaba
    4    Baca
    5     NaN
    6    CABA
    7     dog
    8     cat
    dtype: object
    
    In [114]: s.str.lower()
    Out[114]:
    0       a
    1       b
    2       c
    3    aaba
    4    baca
    5     NaN
    6    caba
    7     dog
    8     cat
    dtype: object
    
    In [115]: s.str.upper()
    Out[115]:
    0       A
    1       B
    2       C
    3    AABA
    4    BACA
    5     NaN
    6    CABA
    7     DOG
    8     CAT
    dtype: object
    

    相关文章

      网友评论

        本文标题:pandas 缺失值处理和统计操作

        本文链接:https://www.haomeiwen.com/subject/toctdftx.html