Python 教程之数据分析（5）—— 使用 Python 进行数据分析和可视化 | 第 2 套

2022 年 9 月 07 日
安徽
本文字数：1560 字
阅读完需：约 5 分钟

1. 以 CSV 格式存储 DataFrame：

Pandas 提供**to.csv('filename', index = "False|True")** 了将 DataFrame 写入 CSV 文件的功能。这*filename是您要创建的 CSV 文件的名称，并index告诉 DataFrame 的索引（如果默认）是否应该被覆盖。如果我们设置*index = False，则索引不会被覆盖。默认情况下，索引的值是TRUE**索引被覆盖。

例子：

import pandas as pd
# 将三个系列分配给 s1、s2、s3s1 = pd.Series([0, 4, 8])s2 = pd.Series([1, 5, 9])s3 = pd.Series([2, 6, 10])
# 获取索引和列值dframe = pd.DataFrame([s1, s2, s3])
# 分配列名dframe.columns =['Geeks', 'For', 'Geeks']
# 将数据写入 csv 文件dframe.to_csv('geeksforgeeks.csv', index = False)dframe.to_csv('geeksforgeeks1.csv', index = True)

复制代码

输出：

geeksforgeeks2.csv

2. 处理缺失数据

数据分析阶段还包括处理数据集中缺失数据的能力，Pandas 也达到了这一预期也就不足为奇了。这就是dropna和/或fillna方法发挥作用的地方。在处理缺失数据时，作为数据分析师，您应该删除包含 NaN 值的列（dropna 方法），或者使用整列条目的平均值或众数填充缺失数据（fillna 方法），这个决定是意义重大，取决于数据和影响将在我们的结果中产生。

删除丢失的数据：
考虑这是由以下代码生成的 DataFrame：

import pandas as pd
# 创建一个数据框dframe = pd.DataFrame({'Geeks': [23, 24, 22],          'For': [10, 12, np.nan],          'geeks': [0, np.nan, np.nan]},          columns =['Geeks', 'For', 'geeks'])
# 这将删除所有具有 NAN 值的行
# 如果未定义轴，则它沿行，即轴 = 0dframe.dropna(inplace = True)print(dframe)
# 如果轴等于 1dframe.dropna(axis = 1, inplace = True)
print(dframe)

复制代码

输出：

axis=0

axis=1

填充缺失值：

现在，使用数据的平均值或模式替换任何 NaNfillna值，它可以根据要求替换特定列甚至整个 DataFrame 中的所有 NaN 值。

import numpy as npimport pandas as pd
# 创建一个数据框dframe = pd.DataFrame({'Geeks': [23, 24, 22],            'For': [10, 12, np.nan],            'geeks': [0, np.nan, np.nan]},            columns = ['Geeks', 'For', 'geeks'])
# 使用完整Dataframe的fillna
# 价值函数将应用于每一列dframe.fillna(value = dframe.mean(), inplace = True)print(dframe)
# 一列的填充值dframe['For'].fillna(value = dframe['For'].mean(),                  inplace = True)print(dframe)

复制代码

输出：

3. Groupby 方法（聚合）：

groupby 方法允许我们根据任何行或列将数据分组在一起，因此我们可以进一步应用聚合函数来分析我们的数据。使用 mapper（dict 或 key 函数，将给定函数应用于组，将结果作为系列返回）或一系列列对系列进行分组。

考虑这是由以下代码生成的 DataFrame：

import pandas as pdimport numpy as np
# 创建数据框dframe = pd.DataFrame({'Geeks': [23, 24, 22, 22, 23, 24],            'For': [10, 12, 13, 14, 15, 16],            'geeks': [122, 142, 112, 122, 114, 112]},            columns = ['Geeks', 'For', 'geeks'])
# 应用 groupby 和聚合函数 max 来查找列的最大值
print(dframe.groupby(['Geeks']).max())