利用Python进行数据分析(14) pandas基础: 数据转换
2017-11-23 16:22
1056 查看
数据转换指的是对数据的过滤、清理以及其他的转换操作。
移除重复数据
DataFrame里经常会出现重复行,DataFrame提供一个duplicated()方法检测各行是否重复,另一个drop_duplicates()方法用于丢弃重复行:
duplicated()和drop_duplicates()方法默认判断全部列,如果不想这样,传入列的集合作为参数可以指定按列判断,例如:
duplicated()和drop_duplicates()方法默认保留第一个出现的值,传入take_last=True保留最后一个值:
利用映射进行数据转换
使用函数也能达到同样的效果:
替换值
replace()方法用于替换:
一次替换多个值:
对不同的值进行不同的替换:
DataFrame重命名轴索引
重命名列:
重命名索引:
将数据划分成不同的组:
检测和过滤异常值
假设你有一组数据:
找出绝对值大于2的值:
找出绝对值大于2的行:
将异常值设置为0:
作者:backslash112
出处:http://sirkevin.cnblogs.com/
GitHub:https://github.com/backslash112/
本文版权归作者和博客园共有,欢迎转载,但未经作者同意必须保留此段声明,且在文章页面明显位置给出原文连接,否则保留追究法律责任的权利。
分类: Python,数据分析
移除重复数据
DataFrame里经常会出现重复行,DataFrame提供一个duplicated()方法检测各行是否重复,另一个drop_duplicates()方法用于丢弃重复行:
duplicated()和drop_duplicates()方法默认判断全部列,如果不想这样,传入列的集合作为参数可以指定按列判断,例如:
duplicated()和drop_duplicates()方法默认保留第一个出现的值,传入take_last=True保留最后一个值:
利用映射进行数据转换
使用函数也能达到同样的效果:
替换值
replace()方法用于替换:
一次替换多个值:
对不同的值进行不同的替换:
DataFrame重命名轴索引
重命名列:
重命名索引:
将数据划分成不同的组:
检测和过滤异常值
假设你有一组数据:
找出绝对值大于2的值:
找出绝对值大于2的行:
将异常值设置为0:
作者:backslash112
出处:http://sirkevin.cnblogs.com/
GitHub:https://github.com/backslash112/
本文版权归作者和博客园共有,欢迎转载,但未经作者同意必须保留此段声明,且在文章页面明显位置给出原文连接,否则保留追究法律责任的权利。
分类: Python,数据分析
相关文章推荐
- 利用Python进行数据分析(14) pandas基础: 数据转换
- 利用Python进行数据分析(13) pandas基础: 数据重塑/轴向旋转
- 利用Python进行数据分析(12) pandas基础: 数据合并
- 利用Python进行数据分析(12) pandas基础: 数据合并
- 利用Python进行数据分析(7) pandas基础: Series和DataFrame的简单介绍
- 利用Python进行数据分析(10) pandas基础: 处理缺失数据
- 利用Python进行数据分析(11) pandas基础: 层次化索引
- 利用Python进行数据分析 pandas基础: 处理缺失数据
- 利用Python进行数据分析(15) pandas基础: 字符串操作
- 利用Python进行数据分析(15) pandas基础: 字符串操作
- 利用Python进行数据分析(11) pandas基础: 层次化索引
- 利用Python进行数据分析(8) pandas基础: Series和DataFrame的基本操作
- 利用Python进行数据分析(7) pandas基础: Series和DataFrame的简单介绍 一、pandas 是什么 pandas 是基于 NumPy 的一个 Python 数据分析包,主
- 利用Python进行数据分析(10) pandas基础: 处理缺失数据
- 利用Python进行数据分析(13) pandas基础: 数据重塑/轴向旋转
- 利用Python进行数据分析(7) pandas基础: Series和DataFrame的简单介绍
- 利用Python进行数据分析(9) pandas基础: 汇总统计和计算
- 利用Python进行数据分析——pandas入门(五)(4)
- 利用 Python 进行数据分析(十二)pandas:数据合并
- 利用Python进行数据分析——数据规整化:清理、转换、合并、重塑(七)(1)