Python 數(shù)據(jù)操作教程在 PYTHON 中創(chuàng)建虛擬數(shù)據(jù)

?Pandas是Python中最受歡迎的軟件包之一，廣泛用于數(shù)據(jù)操作。它是一個非常強大且用途廣泛的軟件包，使數(shù)據(jù)清理和整理變得更加輕松愉快。

Pandas庫對Python社區(qū)做出了巨大貢獻，它使Python成為數(shù)據(jù)科學和分析領域的頂級編程語言之一。它已成為數(shù)據(jù)分析師和科學家進行數(shù)據(jù)分析和操作的首選。

什么是熊貓包？Pandas包具有許多功能，這些功能是數(shù)據(jù)處理和操作的本質。簡而言之，它可以為您執(zhí)行以下任務——創(chuàng)建類似于R的數(shù)據(jù)框和Excel電子表格的結構化數(shù)據(jù)集。從CSV、TXT、XLSX、SQL數(shù)據(jù)庫、R等各種來源讀取數(shù)據(jù)。從數(shù)據(jù)集中選擇特定的行或列按升序或降序排列數(shù)據(jù)根據(jù)某些條件過濾數(shù)據(jù)按分類變量匯總數(shù)據(jù)將數(shù)據(jù)重塑為寬格式或長格式時間序列分析合并和連接兩個數(shù)據(jù)集遍歷數(shù)據(jù)集的行以CSV或Excel格式寫入或導出數(shù)據(jù)數(shù)據(jù)集：在本教程中，我們將使用兩個數(shù)據(jù)集：'income'和'iris'。'income'data

:該數(shù)據(jù)包含各米國各州從2002年到2015年的收入。該數(shù)據(jù)集包含51個觀測值和16個變量。\o"下載鏈接"下載鏈接'iris'數(shù)據(jù)：它包含150個觀測值和5個變量。我們有3種花（每種50朵花），所有花的萼片長度和寬度以及花瓣長度和寬度都已給出。\o"下載鏈接"下載鏈接

要記住的重要熊貓功能以下是常見任務以及pandas函數(shù)的列表。公用事業(yè)功能提取列名稱df.列選擇前2行df.iloc[:2]選擇前2列df.iloc[:,:2]按名稱選擇列df.loc[:,["col1","col2"]]選擇隨機編號

行數(shù)df.樣本（n=10）選擇隨機行的分數(shù)df.sample(frac=0.2)重命名變量df.重命名（）選擇一列作為索引df.set_index()刪除行或列df.drop()排序值df.sort_values()分組變量df.groupby()過濾df.查詢（）查找缺失值df.isnull()刪除缺失值df.dropna()刪除重復項df.drop_duplicates()創(chuàng)建假人pd.get_dummies()排行df.rank()累計金額df.cumsum()分位數(shù)df.分位數(shù)（）選擇數(shù)值變量df.select_dtypes()連接兩個數(shù)據(jù)幀pd.concat()基于公共變量合并pd.合并（）導入熊貓庫您需要先導入或加載Pandas庫才能使用它。“Importingalibrary”就是把它加載到內存中，然后你就可以使用它了。運行以下代碼導入pandas庫：importpandasaspd“pd”是別名或縮寫，將用作訪問或調用pandas函數(shù)的快捷方式。要訪問pandas庫中的函數(shù)，您只需在每次需要應用時鍵入pd.function

而不是

pandas.function。導入數(shù)據(jù)集要從CSV文件讀取或導入數(shù)據(jù)，可以使用read_csv()函數(shù)。在該函數(shù)中，您需要指定CSV文件的文件位置。income=pd.read_csv("C:\\Users\\Hp\\Python\\Basics\\income.csv")IndexStateY2002Y2003Y2004Y2005Y2006Y2007\0AAlabama1296530131771111186311492583110740814401341AAlaska1170302196037818180851447852186163914658412AArizona1742027196814013775831782199110256811093823AArkansas1485531199492711192991947979166919118012134CCalifornia168534916758071889570148028017350691812546Y2008Y2009Y2010Y2011Y2012Y2013Y2014Y2015019452291944173123758214407561186741185284115589061916661115518261436541162961612308661512804198530215803941979143217528861554330130052111307091907284136327915258661647724311881041628980166929519282381216675159189613609591329341414873151663809162450916396701921845115653613884611644607獲取變量名稱通過使用income.columns命令，您可以獲取數(shù)據(jù)框的變量名稱。Index(['Index','State','Y2002','Y2003','Y2004','Y2005','Y2006','Y2007','Y2008','Y2009','Y2010','Y2011','Y2012','Y2013','Y2014','Y2015'],dtype='object')income.columns[0:2]返回前兩列名稱“Index”、“State”。在python中，索引從0開始。了解變量類型您可以使用dataFrameName.dtypes命令提取數(shù)據(jù)框中存儲的變量類型信息。income.dtypes

IndexobjectStateobjectY2002int64Y2003int64Y2004int64Y2005int64Y2006int64Y2007int64Y2008int64Y2009int64Y2010int64Y2011int64Y2012int64Y2013int64Y2014int64Y2015int64dtype:object這里的“對象”表示字符串或字符變量。'

int64

'指的是數(shù)字變量（沒有小數(shù)）。

要查看一個變量的變量類型（假設為“State”）而不是所有變量，您可以使用以下命令-income['State'].dtypes它返回dtype('O')。在這種情況下，“O”指的是對象，即作為字符的變量類型。更改數(shù)據(jù)類型Y2008是一個整數(shù)。假設我們想將其轉換為浮點數(shù)（帶小數(shù)的數(shù)字變量），我們可以這樣寫：income.Y2008=income.Y2008.astype(float)income.dtypesIndexobjectStateobjectY2002int64Y2003int64Y2004int64Y2005int64Y2006int64Y2007int64Y2008float64Y2009int64Y2010int64Y2011int64Y2012int64Y2013int64Y2014int64Y2015int64dtype:object查看數(shù)據(jù)的維度或形狀income.shape(51,16)51是行數(shù)，16是列數(shù)。

您還可以使用shape[0]查看行數(shù)（類似于R中的nrow()），使用shape[1]查看列數(shù)（類似于R中的ncol()）。

income.shape[0]income.shape[1]僅查看部分行默認情況下，head()顯示前5行。如果我們想查看特定行數(shù)，可以在括號中提及。同樣，tail()函數(shù)默認顯示最后5行。income.head()income.head(2)#showsfirst2rows.income.tail()income.tail(2)#showslast2rows

或者，可以使用以下任何命令來獲取前五行。income[0:5]

income.iloc[0:5]定義分類變量就像R中的factors()函數(shù)一樣，我們可以使用“category”

dtype在python中包含分類變量。s=pd.Series([1,2,3,1,2],dtype="category")s0112233142dtype:categoryCategories(3,int64):[1,2,3]提取唯一值unique

()函數(shù)顯示數(shù)據(jù)集中的唯一級別或類別。income.Index.unique()array(['A','C','D',...,'U','V','W'],dtype=object)

nunique

()顯示唯一值的數(shù)量。income.Index.nunique()它返回19，因為索引列包含不同的19個值。生成交叉表pd.crosstab()用于創(chuàng)建雙變量頻率分布。這里的雙變量頻率分布在Index和State列之間。pd.crosstab(income.Index,income.State)創(chuàng)建頻率分布income.Index選擇“income”數(shù)據(jù)集的“Index”列，value_counts()創(chuàng)建頻率分布。默認情況下ascending=False即它將在頂部顯示具有最大頻率的“索引”。income.Index.value_counts(ascending=True)F1G1U1L1H1P1R1D2T2S2V2K2O3C3I4W4A4M8N8Name:Index,dtype:int64繪制樣品income.sample()用于從包含所有列的數(shù)據(jù)集中抽取隨機樣本。這里n=5表示我們需要5列，frac=0.1表示我們需要10%的數(shù)據(jù)作為樣本。income.sample(n=5)income.sample(frac=0.1)僅選擇少數(shù)列您可以通過多種方式選擇特定列。以下兩行代碼都從收入數(shù)據(jù)框中選擇狀態(tài)變量。income["State"]income.State要按名稱選擇多個列，您可以使用以下語法。income[["Index","State","Y2008"]]要僅選擇特定的列和行，我們使用loc[]或iloc[]函數(shù)。要選擇的索引或列作為列表傳遞。"Index":"Y2008"表示選擇Index到Y2008的所有列。df.loc[]的語法df.loc[row_index,column_index]income.loc[:,["Index","State","Y2008"]]income.loc[0:2,["Index","State","Y2008"]]

#SelectingrowswithIndexlabel0to2&columnsincome.loc[:,"Index":"Y2008"]

#Selectingconsecutivecolumns#IntheabovecommandbothIndexandY2008areincluded.income.iloc[:,0:5]

#Columnsfrom1to5areincluded.6thcolumnnotincludedloc和iloc的區(qū)別loc考慮具有索引中特定標簽的行（或列）。而iloc考慮索引中特定位置的行（或列），因此它只需要整數(shù)。x=pd.DataFrame({"var1":np.arange(1,20,2)},index=[9,8,7,6,10,1,2,3,4,5])var191837567109111213315417519定位碼x.loc[:3]Output:var191837567109111213315代碼本地代碼x.iloc[:3]Output:var1918375重命名變量

我們?yōu)槿藗兗捌涓髯缘男亲畔?chuàng)建了一個數(shù)據(jù)框“數(shù)據(jù)”。data=pd.DataFrame({"A":["John","Mary","Julia","Kenny","Henry"],"B":["Libra","Capricorn","Aries","Scorpio","Aquarius"]})data

AB0JohnLibra1MaryCapricorn2JuliaAries3KennyScorpio4HenryAquarius如果要重命名所有列，那么我們可以使用data.columns并分配新列名列表。#Renamingallthevariables.data.columns=['Names','ZodiacSigns']NamesZodiacSigns0JohnLibra1MaryCapricorn2JuliaAries3KennyScorpio4HenryAquarius如果只有一些變量要重命名，那么我們可以使用rename()函數(shù)，新名稱以字典的形式傳遞。#Renamingonlysomeofthevariables.data.rename(columns={"Names":"Cust_Name"},inplace=True)Cust_NameZodiacSigns0JohnLibra1MaryCapricorn2JuliaAries3KennyScorpio4HenryAquarius默認情況下，在pandas

inplace=False中，這意味著原始數(shù)據(jù)集中沒有進行任何更改。因此，如果我們希望改變原始數(shù)據(jù)集，我們需要定義inplace=True。

假設我們只想替換列名列表中的特定字符，那么我們可以使用str.replace()函數(shù)。例如，將包含“Y”的變量重命名為“Year”income.columns=income.columns.str.replace('Y','Year')income.columnsIndex(['Index','State','Year2002','Year2003','Year2004','Year2005','Year2006','Year2007','Year2008','Year2009','Year2010','Year2011','Year2012','Year2013','Year2014','Year2015'],dtype='object')將數(shù)據(jù)框中的一列設置為索引使用set_index("columnname")我們可以將索引設置為該列并刪除該列。income.set_index("Index",inplace=True)income.head()#NotethattheindiceshavechangedandIndexcolumnisnownomoreacolumnincome.columnsincome.reset_index(inplace=True)income.head()reset_index()告訴我們應該使用默認索引。刪除列和行要刪除列，我們使用drop()，其中第一個參數(shù)是要刪除的列的列表。

默認情況下axis=0，這意味著操作應該水平、按行進行。要刪除列，我們需要設置axis=1.income.drop('Index',axis=1)#Alternativelyincome.drop("Index",axis="columns")income.drop(['Index','State'],axis=1)income.drop(0,axis=0)income.drop(0,axis="index")income.drop([0,1,2,3],axis=0)

默認情況下inplace=False因此不會對原始數(shù)據(jù)集進行任何更改。axis="columns"和axis="index"表示應分別刪除列和行（索引）。排序數(shù)據(jù)為了對數(shù)據(jù)進行排序，部署了sort_values()函數(shù)。默認情況下inplace=False和ascending=True。income.sort_values("State",ascending=False)income.sort_values("State",ascending=False,inplace=True)income.Y2006.sort_values()

我們已經為Index復制了，因此我們需要首先按Index對數(shù)據(jù)幀進行排序，然后對于每個特定的索引，我們按Y2002對值進行排序income.sort_values(["Index","Y2002"])

創(chuàng)建新變量可以在數(shù)據(jù)集中對各種列

使用eval()算術運算。income["difference"]=income.Y2008-income.Y2009#Alternativelyincome["difference2"]=income.eval("Y2008-Y2009")income.head()IndexStateY2002Y2003Y2004Y2005Y2006Y2007\0AAlabama1296530131771111186311492583110740814401341AAlaska1170302196037818180851447852186163914658412AArizona1742027196814013775831782199110256811093823AArkansas1485531199492711192991947979166919118012134CCalifornia168534916758071889570148028017350691812546Y2008Y2009Y2010Y2011Y2012Y2013Y2014Y2015\01945229.0194417312375821440756118674118528411558906191666111551826.0143654116296161230866151280419853021580394197914321752886.0155433013005211130709190728413632791525866164772431188104.0162898016692951928238121667515918961360959132934141487315.01663809162450916396701921845115653613884611644607differencedifference201056.01056.01115285.0115285.02198556.0198556.03-440876.0-440876.04-176494.0-176494.0income.ratio=income.Y2008/income.Y2009上面的命令不起作用，因此要創(chuàng)建新列，我們需要使用方括號。

我們也可以使用assign()函數(shù)，但是這個命令不會對原始數(shù)據(jù)進行更改，因為沒有inplace參數(shù)。因此我們需要將它保存在一個新的數(shù)據(jù)集中。data=income.assign(ratio=(income.Y2008/income.Y2009))data.head()查找描述性統(tǒng)計數(shù)據(jù)describe()用于查找一些統(tǒng)計數(shù)據(jù)，例如數(shù)字變量的平均值、最小值、四分位數(shù)等。income.describe()#fornumericvariablesY2002Y2003Y2004Y2005Y2006\count5.100000e+015.100000e+015.100000e+015.100000e+015.100000e+01mean1.566034e+061.509193e+061.540555e+061.522064e+061.530969e+06std2.464425e+052.641092e+052.813872e+052.671748e+052.505603e+05min1.111437e+061.110625e+061.118631e+061.122030e+061.102568e+0625%1.374180e+061.292390e+061.268292e+061.267340e+061.337236e+0650%1.584734e+061.485909e+061.522230e+061.480280e+061.531641e+0675%1.776054e+061.686698e+061.808109e+061.778170e+061.732259e+06max1.983285e+061.994927e+061.979395e+061.990062e+061.985692e+06Y2007Y2008Y2009Y2010Y2011\count5.100000e+015.100000e+015.100000e+015.100000e+015.100000e+01mean1.553219e+061.538398e+061.658519e+061.504108e+061.574968e+06std2.539575e+052.958132e+052.361854e+052.400771e+052.657216e+05min1.109382e+061.112765e+061.116168e+061.103794e+061.116203e+0625%1.322419e+061.254244e+061.553958e+061.328439e+061.371730e+0650%1.563062e+061.545621e+061.658551e+061.498662e+061.575533e+0675%1.780589e+061.779538e+061.857746e+061.639186e+061.807766e+06max1.983568e+061.990431e+061.993136e+061.999102e+061.992996e+06Y2012Y2013Y2014Y2015count5.100000e+015.100000e+015.100000e+015.100000e+01mean1.591135e+061.530078e+061.583360e+061.588297e+06std2.837675e+052.827299e+052.601554e+052.743807e+05min1.108281e+061.100990e+061.110394e+061.110655e+0625%1.360654e+061.285738e+061.385703e+061.372523e+0650%1.643855e+061.531212e+061.580394e+061.627508e+0675%1.866322e+061.725377e+061.791594e+061.848316e+06max1.988270e+061.994022e+061.990412e+061.996005e+06對于字符或字符串變量，您可以編寫include=['object']。它將返回總計數(shù)、最大出現(xiàn)字符串及其頻率income.describe(include=['object'])#Onlyforstrings/objects找出數(shù)據(jù)框每一列的具體描述性統(tǒng)計income.mean()income.median()income.agg(["mean","median"])agg()使用求和、均值、中值、最小值、最大值等匯總函數(shù)執(zhí)行聚合。

如何為特定列運行函數(shù)？income.Y2008.mean()income.Y2008.median()income.Y2008.min()income.loc[:,["Y2002","Y2008"]].max()GroupBy函數(shù)為了按分類變量對數(shù)據(jù)進行分組，我們使用groupby()函數(shù)，因此我們可以對每個類別進行操作。income.groupby("Index")["Y2002","Y2003"].min()Y2002Y2003IndexA11703021317711C13438241232844D11114371268673F19646261468852G19290091541565H14615701200280I13532101438538K15090541290700L15847341110625M12213161149931N13951491114500O11739181334639P13201911446723R15017441942942S11590371150689T15205911310777U17710961195861V11343171163996W16773471380662要運行多個匯總函數(shù)，我們可以使用agg()用于聚合數(shù)據(jù)的函數(shù)。income.groupby("Index")["Y2002","Y2003"].agg(["min","max","mean"])以下命令查找Y2002的最小值和最大值以及Y2003的平均值income.groupby("Index").agg({"Y2002":["min","max"],"Y2003":"mean"})Y2002Y2003minmaxmeanIndexA117030217420271810289.000C134382416853491595708.000D111143713304031631207.000F196462619646261468852.000G192900919290091541565.000H146157014615701200280.000I135321017769181536164.500K150905418138781369773.000L158473415847341110625.000M122131619832851535717.625N139514918850811382499.625O117391818021321569934.000P132019113201911446723.000R150174415017441942942.000S115903716315221477072.000T152059118118671398343.000U177109617710961195861.000V113431711469021498122.500W167734719777491521118.500為了rename之后的列groupby，您可以使用元組。請參閱下面的代碼。income.groupby("Index").agg({"Y2002":[("Y2002_min","min"),("Y2002_max","max")],"Y2003":[("Y2003_mean","mean")]})重命名列也可以通過以下方法完成。dt=income.groupby("Index").agg({"Y2002":["min","max"],"Y2003":"mean"})dt.columns=['Y2002_min','Y2002_max','Y2003_mean']Groupby超過1列income.groupby(["Index","State"]).agg({"Y2002":["min","max"],"Y2003":"mean"})默認情況下，選項as_index=True在groupby中啟用，這意味著您在groupby中使用的列將成為新數(shù)據(jù)框中的索引。要禁用它，您可以將其設置為False，它將您在groupby中使用的變量存儲在新數(shù)據(jù)框中的不同列中。dt=income.groupby(["Index","State"],as_index=False)["Y2002","Y2003"].min()過濾要僅過濾索引為“A”的那些行，我們編寫：income[income.Index=="A"]#Alternativelyincome.loc[income.Index=="A",:]IndexStateY2002Y2003Y2004Y2005Y2006Y2007\0AAlabama1296530131771111186311492583110740814401341AAlaska1170302196037818180851447852186163914658412AArizona1742027196814013775831782199110256811093823AArkansas148553119949271119299194797916691911801213Y2008Y2009Y2010Y2011Y2012Y2013Y2014Y2015019452291944173123758214407561186741185284115589061916661115518261436541162961612308661512804198530215803941979143217528861554330130052111307091907284136327915258661647724311881041628980166929519282381216675159189613609591329341要選擇索引為“A”的州：income.loc[income.Index=="A","State"]income.loc[income.Index=="A",:].State過濾索引為“A”且收入為2002>1500000的行income.loc[(income.Index=="A")&(income.Y2002>1500000),:]要過濾索引為“A”或“W”的行，我們可以使用isin()函數(shù)：income.loc[(income.Index=="A")|(income.Index=="W"),:]#Alternatively.income.loc[income.Index.isin(["A","W"]),:]IndexStateY2002Y2003Y2004Y2005Y2006Y2007\0AAlabama1296530131771111186311492583110740814401341AAlaska1170302196037818180851447852186163914658412AArizona1742027196814013775831782199110256811093823AArkansas14855311994927111929919479791669191180121347WWashington19777491687136119949011630921334864162198948WWestVirginia16773471380662117610018889481922085174082649WWisconsin17889201518578128966314368881251678172187450WWyoming177519014980981198212188168817505271523124Y2008Y2009Y2010Y2011Y2012Y2013Y2014Y20150194522919441731237582144075611867411852841155890619166611155182614365411629616123086615128041985302158039419791432175288615543301300521113070919072841363279152586616477243118810416289801669295192823812166751591896136095913293414715456211555554117933111500891775787127383413874281377341481238174153932215396031872519146213716831271204344119879149198016719013941648755194094317291771510119170165018462385015876021504455128214218818141673668199402212040291853858或者，我們可以使用query()函數(shù)，它也消除了在提及列時指定數(shù)據(jù)框的需要，并讓您編寫我們的過濾條件：income.query('Y2002>1700000&Y2003>1500000')處理缺失值我們創(chuàng)建一個名為“crops”的新數(shù)據(jù)框，并通過導入numpy使用np.nan

創(chuàng)建一個NaN值。importnumpyasnpmydata={'Crop':['Rice','Wheat','Barley','Maize'],

'Yield':[1010,1025.2,1404.2,1251.7],

'cost':[102,np.nan,20,68]}crops=pd.DataFrame(mydata)crops如果值為NaN，isnull()返回True，而notnull()返回False。crops.isnull()

#sameasis.nainRcrops.notnull()

#oppositeofpreviouscommand.crops.isnull().sum()

#No.ofmissingvalues.crops.cost.isnull()首先對數(shù)據(jù)幀中的“成本”進行子集化，并返回一個帶有isnull()的邏輯向量crops[crops.cost.isnull()]#showstherowswithNAs.crops[crops.cost.isnull()].Crop#showstherowswithNAsincrops.Cropcrops[crops.cost.notnull()].Crop#showstherowswithoutNAsincrops.Crop要刪除任何行中包含缺失值的所有行，我們使用dropna(how="any")。默認情況下inplace=False。如果how="all"表示如果該行中的所有元素都丟失則刪除該行crops.dropna(how="any").shapecrops.dropna(how="all").shape

如果缺少“產量”或“成本”中的任何一個，要刪除NaN，我們使用子集參數(shù)并傳遞一個列表：crops.dropna(subset=['Yield',"cost"],how='any').shapecrops.dropna(subset=['Yield',"cost"],how='all').shape用列名中的“UNKNOWN”子屬性替換缺失值。crops['cost'].fillna(value="UNKNOWN",inplace=True)crops處理重復項我們創(chuàng)建了一個包含項目及其各自價格的新數(shù)據(jù)框。data=pd.DataFrame({"Items":["TV","WashingMachine","Mobile","TV","TV","WashingMachine"],"Price":[10000,50000,20000,10000,10000,40000]})dataItemsPrice0TV100001WashingMachine500002Mobile200003TV100004TV100005WashingMachine40000duplicated()返回一個邏輯向量，當遇到duplicated時返回True。data.loc[data.duplicated(),:]data.loc[data.duplicated(keep="first"),:]默認情況下keep='first'即第一次出現(xiàn)被認為是一個唯一值，它的重復被認為是重復的。

如果keep="last"最后一次出現(xiàn)被認為是一個唯一值，它的所有重復都被認為是重復的。data.loc[data.duplicated(keep="last"),:]#lastentriesarenotthere,indiceshavechanged.如果keep="False"然后它認為重復觀察的所有出現(xiàn)都是重復的。data.loc[data.duplicated(keep=False),:]

#alltheduplicates,includinguniqueareshown.要刪除重復項，drop_duplicates與默認inplace=False一起使用，

keep='first'or'last'or'False'具有與duplicated()中的相應含義data.drop_duplicates(keep="first")data.drop_duplicates(keep="last")data.drop_duplicates(keep=False,inplace=True)

#bydefaultinplace=False創(chuàng)建假人現(xiàn)在我們將考慮iris數(shù)據(jù)集。

iris=pd.read_csv("C:\\Users\\Hp\\Desktop\\work\\Python\\Basics\\pandas\\iris.csv")iris.head()Sepal.LengthSepal.WidthPetal.LengthPetal.WidthSpecies05.13.51.40.2setosa14.93.01.40.2setosa24.73.21.30.2setosa34.63.11.50.2setosa45.03.61.40.2setosamap()函數(shù)用于匹配值并在自動創(chuàng)建的新系列中替換它們。iris["setosa"]=iris.Species.map({"setosa":1,"versicolor":0,"virginica":0})iris.head()要創(chuàng)建假人，使用get_dummies()。iris.Species.prefix="Species"向創(chuàng)建的新系列添加前綴“Species”。pd.get_dummies(iris.Species,prefix="Species")pd.get_dummies(iris.Species,prefix="Species").iloc[:,0:1]

#1isnotincludedspecies_dummies=pd.get_dummies(iris.Species,prefix="Species").iloc[:,0:]使用concat()函數(shù)，我們可以連接多個系列或數(shù)據(jù)幀。axis=1表示它們應該按列連接。iris=pd.concat([iris,species_dummies],axis=1)iris.head()Sepal.LengthSepal.WidthPetal.LengthPetal.WidthSpecies\05.13.51.40.2setosa14.93.01.40.2setosa24.73.21.30.2setosa34.63.11.50.2setosa45.03.61.40.2setosaSpecies_setosaSpecies_versicolorSpecies_virginica01001100210031004100通常，對于具有“n”類別的變量，我們創(chuàng)建“n-1”個虛擬變量，因此要刪除第一個“虛擬”列，我們編寫drop_first=Truepd.get_dummies(iris,columns=["Species"],drop_first=True).head()排行

要創(chuàng)建所有等級的數(shù)據(jù)框，我們使用rank()iris.rank()

按特定變量排名假設我們想按升序排列不同物種的Sepal.Length：iris['Rank2']=iris['Sepal.Length'].groupby(iris["Species"]).rank(ascending=1)iris.head()計算累計和使用cumsum()函數(shù)我們可以獲得累積和iris['cum_sum']=iris["Sepal.Length"].cumsum()iris.head()一個變量的累計和為了找到不同物種萼片長度的累積和，我們使用groupby()然后使用cumsum()iris["cumsum2"]=iris.groupby(["Species"])["Sepal.Length"].cumsum()iris.head()計算百分位數(shù)?？梢允褂胵uantile()獲得各種分位數(shù)iris.quantile(0.5)iris.quantile([0.1,0.2,0.5])iris.quantile(0.55)否則在Python中我們創(chuàng)建了一個包含學生姓名及其各自星座的新數(shù)據(jù)框。students=pd.DataFrame({'Names':['John','Mary','Henry','Augustus','Kenny'],

'ZodiacSigns':['Aquarius','Libra','Gemini','Pisces','Virgo']})defname(row):ifrow["Names"]in["John","Henry"]:return"yes"else:return"no"students['flag']=students.apply(name,axis=1)studentspython中的函數(shù)是使用block關鍵字定義的def

，后跟函數(shù)的名稱作為塊的名稱。apply()函數(shù)沿著數(shù)據(jù)幀的行或列應用函數(shù)。

Note:如果使用簡單的“ifelse”，我們需要注意縮進。Python不涉及循環(huán)和ifelse的大括號。輸出NamesZodiacSignsflag0JohnAquariusyes1MaryLibrano2HenryGeminiyes3AugustusPiscesno4KennyVirgono或者，通過導入numpy我們可以使用np.where。第一個參數(shù)是要評估的條件，第二個參數(shù)是條件為True時的值，最后一個參數(shù)定義條件評估返回False時的值。importnumpyasnpstudents['flag']=np.where(students['Names'].isin(['John','Henry']),'yes','no')students多個條件：IfElse-ifElsedefmname(row):ifrow["Names"]=="John"androw["ZodiacSigns"]=="Aquarius":return"yellow"elifrow["Names"]=="Mary"androw["ZodiacSigns"]=="Libra":return"blue"elifrow["ZodiacSigns"]=="Pisces":return"blue"else:return"black"students['color']=students.apply(mname,axis=1)students如果評估為True，我們創(chuàng)建條件列表及其各自的值，并使用np.select，其中默認值是所有條件為False時的值conditions=[

(students['Names']=='John')&(students['ZodiacSigns']=='Aquarius'),

(students['Names']=='Mary')&(students['ZodiacSigns']=='Libra'),

(students['ZodiacSigns']=='Pisces')]choices=['yellow','blue','purple']students['color']=np.select(conditions,choices,default='black')studentsNamesZodiacSignsflagcolor0JohnAquariusyesyellow1MaryLibranoblue2HenryGeminiyesblack3AugustusPiscesnopurple4KennyVirgonoblack僅選擇數(shù)字或分類列為了包含數(shù)字列，我們使用select_dtypes()

data1=iris.select_dtypes(include=[np.number])data1.head()

_get_numeric_data還提供了僅選擇數(shù)字列的實用程序。data3=iris._get_numeric_data()data3.head(3)Sepal.LengthSepal.WidthPetal.LengthPetal.Widthcum_sumcumsum205.13.51.40.25.15.114.93.01.40.210.010.024.73.21.30.214.714.7用于選擇分類變量data4=iris.select_dtypes(include=['object'])data4.head(2)Species0setosa1setosa拼接我們創(chuàng)建了2個包含學生詳細信息的數(shù)據(jù)框：students=pd.DataFrame({'Names':['John','Mary','Henry','Augustus','Kenny'],

'ZodiacSigns':['Aquarius','Libra','Gemini','Pisces','Virgo']})students2=pd.DataFrame({'Names':['John','Mary','Henry','Augustus','Kenny'],

'Marks':[50,81,98,25,35]})

使用pd.concat()函數(shù)我們可以加入2個數(shù)據(jù)幀：data=pd.concat([students,students2])#默認axis=0MarksNamesZodiacSigns0NaNJohnAquarius1NaNMaryLibra2NaNHenryGemini3NaNAugustusPisces4NaNKennyVirgo050.0Jo