日本免费高清视频-国产福利视频导航-黄色在线播放国产-天天操天天操天天操天天操|www.shdianci.com

學(xué)無先后，達(dá)者為師

網(wǎng)站首頁 編程語言 正文

python?Pandas中數(shù)據(jù)的合并與分組聚合_python

作者：沉迷學(xué)習(xí)的鄭博士 ? 更新時(shí)間： 2022-03-28 編程語言

一、字符串離散化示例

對于一組電影數(shù)據(jù)，我們希望統(tǒng)計(jì)電影分類情況，應(yīng)該如何處理數(shù)據(jù)？（每一個(gè)電影都有很多個(gè)分類）

思路：首先構(gòu)造一個(gè)全為0的數(shù)組，列名為分類，如果某一條數(shù)據(jù)中分類出現(xiàn)過，就讓0變?yōu)?

代碼：

# coding=utf-8
import pandas as pd
from matplotlib import pyplot as plt
import numpy as np
file_path = "./IMDB-Movie-Data.csv"
 
df = pd.read_csv(file_path)
print(df["Genre"].head(3))
#統(tǒng)計(jì)分類的列表
temp_list = df["Genre"].str.split(",").tolist()  #[[],[],[]]
 
genre_list = list(set([i for j in temp_list for i in j]))
 
#構(gòu)造全為0的數(shù)組
zeros_df = pd.DataFrame(np.zeros((df.shape[0],len(genre_list))),columns=genre_list)
# print(zeros_df)
 
#給每個(gè)電影出現(xiàn)分類的位置賦值1
for i in range(df.shape[0]):
    #zeros_df.loc[0,["Sci-fi","Mucical"]] = 1
    zeros_df.loc[i,temp_list[i]] = 1
 
# print(zeros_df.head(3))
 
#統(tǒng)計(jì)每個(gè)分類的電影的數(shù)量和
genre_count = zeros_df.sum(axis=0)
print(genre_count)
 
#排序
genre_count = genre_count.sort_values()
_x = genre_count.index
_y = genre_count.values
#畫圖
plt.figure(figsize=(20,8),dpi=80)
plt.bar(range(len(_x)),_y,width=0.4,color="blue")
plt.xticks(range(len(_x)),_x)
plt.show()

結(jié)果：

?二、數(shù)據(jù)合并

2.1 join

join:默認(rèn)情況下他是把行索引相同的數(shù)據(jù)合并到一起

?2.2 merge

merge：按照指定的列把數(shù)據(jù)按照一定的方式合并到一起

?三、數(shù)據(jù)的分組和聚合

示例：現(xiàn)在我們有一組關(guān)于全球星巴克的店鋪的統(tǒng)計(jì)數(shù)據(jù)，如果我想知道美國的星巴克數(shù)量和中國的哪個(gè)多，或者我想知道中國每個(gè)省份的星巴克的數(shù)量情況，應(yīng)該怎么辦？

代碼:

import pandas as pd
 
file_path = "./starbucks_store_worldwide.csv"
 
df = pd.read_csv(file_path)
grouped = df.groupby(by="Country")#按照分組查詢
# print(grouped)
 
#DataFrameGroupBy
#可以進(jìn)行遍歷
# for i,j in grouped:
#     print(i)
#     print("-"*100)
#     print(j,type(j))
#     print("*"*100)
# 調(diào)用聚合方法
country_count = grouped["Brand"].count()
# print(country_count["US"])
# print(country_count["CN"])
 
#統(tǒng)計(jì)中國每個(gè)省店鋪的數(shù)量
china_data = df[df["Country"] =="CN"]
grouped = china_data.groupby(by="State/Province").count()["Brand"]
# print(grouped)
# 數(shù)據(jù)按照多個(gè)條件進(jìn)行分組,返回Series
grouped = df["Brand"].groupby(by=[df["Country"],df["State/Province"]]).count()
# print(grouped)
# print(type(grouped))
# 數(shù)據(jù)按照多個(gè)條件進(jìn)行分組,返回DataFrame
grouped1 = df[["Brand"]].groupby(by=[df["Country"],df["State/Province"]]).count()
grouped2= df.groupby(by=[df["Country"],df["State/Province"]])[["Brand"]].count()
grouped3 = df.groupby(by=[df["Country"],df["State/Province"]]).count()[["Brand"]]
print(grouped1,type(grouped1))
print("*"*100)
print(grouped2,type(grouped2))
print("*"*100)
print(grouped3,type(grouped3))

?四、索引

簡單的索引操作：

獲取index：df.index

指定index:df.index=['x','y']

重新設(shè)置index：df.reindex(list("abcdef"))

指定某一行作為index：df.set_index("Country",drop=False)

返回index的唯一值：df.set_index("Country").index.unique()

總結(jié)

原文鏈接：https://blog.csdn.net/weixin_43238102/article/details/122433136

欄目分類
最近更新