一个简单而实用的指南

照片由simon sun在Unsplash上拍摄

Pandas 是一个用于数据分析和操作任务的非常实用且功能强大的库。自 2019 年以来，我一直在使用 Pandas，它始终能够为我的任务提供解决方案。

在使用 Pandas 大约 3 年后，我意识到一开始我并没有非常有效地使用它。在某些情况下，我解决特定问题的方法比最佳解决方案要长。我也没有非常有效和准确地使用某些功能。

我仍然能够完成任务。然而，当我发现更优化和实用的做事方式时，我的整个工作流程都得到了改进。

在本文中，我将分享 4 个技巧，帮助您充分利用 Pandas。让我们从创建一个示例 DataFrame 开始，以在示例中使用。

将 numpy 导入为 np
将 pandas 导入为 pddf = pd.DataFrame({ 
    "团队": ["A","A","B","B","B",np.nan,np.nan,"C"], 
    "玩家": [ 
       “约翰”、“简”、“阿什莉”、“艾米丽”、“马特”、“珍妮”、“麦克斯”、“亚历克斯” 
    ]、
    “得分”：[81、84、np.nan、91、np。南, 86, 94, 89] 
})df

df（作者图片）

我们有一个包含 3 列和 8 行的 DataFrame，并且在 team 和 score 列中存在一些缺失值。

1. 带空值的 value_counts 函数

value_counts 函数是 Pandas 最常用的函数之一。它计算列中每个不同值的出现次数。默认情况下，它不考虑空值（即缺失值）。这可能会产生误导，尤其是在我们处理大文件时。

df["团队"].value_counts()# 输出
B 3 
A 2 
C 1
名称：团队，数据类型：int64

team 列中有空值，但我们在 value_counts 函数的输出中看不到它们。我们可以使用下面的 dropna 参数使其计算空值。

df["团队"].value_counts(dropna=False)# 输出
B 3 
A 2 
NaN 2 
C 1
名称：团队，dtype：int64

现在输出更准确。

2. 使用其他列填充缺失值

现实生活中的数据集通常包含不能总是被忽略的缺失值。我们需要妥善处理它们以产生准确可靠的输出。

我们有不同的选项来填充缺失值。最优的取决于数据和任务的特性。例如，我们可以使用列平均值来填充缺失值。处理时间序列数据时，上一个或下一个值可能是更好的选择。

另一种选择是使用其他列中的数据。在我们的 DataFrame 中，我们可以使用 player 列填充 team 列中的缺失值。我将向您展示完成这项任务的两种不同技术。第一个是使用 loc 方法手动选择缺失值。

df.loc[df["Team"].isna()==True, "Team"] = df["Player"]

左侧选择团队列中的缺失值。右侧将玩家列中的值分配给这些值。

第二种是直接使用fillna函数。

df["Team"].fillna(df["Player"], inplace=True)df

df（作者图片）

3. 使用 Python 字典

字典是 Python 的内置数据结构。它在数据分析和操作中的各种任务中派上用场。我们还可以将它们与 Pandas 函数一起使用，以使它们更有用。

例如，replace 函数用于替换列或 DataFrame 中的值。考虑我们有一个包含每个球员的球队数据的球队字典。

团队= { 
    “约翰”：“A”，
    “简”：“A”，
    “阿什利”：“B”，
    “艾米丽”：“B”，
    “马特”：“B”，
    “珍妮”：“C” ，
    “最大”：“C”，
    “亚历克斯”：“C” 
}

我们可以使用这个字典将球队列中的球员姓名替换为他们的球队名称。

df["团队"] = df["团队"].replace(团队)df

df（作者图片）

我们也可以按如下方式执行此操作：

df["Team"] = df["Team"].replace("Jenny","C") 
df["Team"] = df["Team"].replace("Max","C")

这绝对不如使用字典方便。此外，我们可能有几个值要替换。在这种情况下，无需编写几行代码，而是使用字典只需一行即可完成任务。

您可以使用 Python 字典增强其他一些 Pandas 函数。这是我写的关于这个主题的更详细的文章。

4. 缺失值的整数列

分数列中的值是整数，但它们显示为浮点数。原因是此列中的缺失值。

整数的默认数据类型不支持空值，因此数据类型向上转换为浮点数。如果将这些值表示为整数很重要，则可以使用可为空的整数数据类型。

df["Score"] = df["Score"].astype(pd.Int64Dtype())df

df（作者图片）

现在分数显示为整数。

数据清理和操作是任何面向数据的产品的重要组成部分。Pandas 提供了多种功能和方法来加快和简化您的工作流程。为了充分利用 Pandas，您应该尝试发掘任何功能的全部潜力。

您可以成为Medium 会员，以解锁对我的作品以及 Medium 其他内容的完全访问权限。如果您已经是，如果您想在我发布新文章时收到电子邮件，请不要忘记订阅。

感谢您的阅读。如果您有任何反馈，请告诉我。