今天和大家分享自己總結(jié)的6個(gè)常用的Pandas數(shù)據(jù)處理代碼，對(duì)于經(jīng)常處理數(shù)據(jù)的coder最好熟練掌握。
選取有空值的行
在觀察數(shù)據(jù)結(jié)構(gòu)時(shí)，該方法可以快速定位存在缺失值的行。
df = pd.DataFrame({'A': [0, 1, 2],
'B': [0, 1, None],
'C': [0, None, 2]})
df[df.isnull().T.any()]
輸出：
A B C A B C
0 0 0.0 0.0 1 1 1.0 NaN
1 1 1.0 NaN --> 2 2 NaN 2.0
2 2 NaN 2.0
快速替換列值
實(shí)際數(shù)據(jù)處理經(jīng)常會(huì)根據(jù)一些限定條件來替換列中的值。
df = pd.DataFrame({'name':['Python', 'Java', 'C']})
# 第一種方式
df['name'].replace('Java', 'JavaScript', inplace=True)
# 第二種方式
df.loc[df['name'].str.contains('Java'), 'name'] = 'JavaScript'
輸出：
name name
0 Python 0 Python
1 Java ---> 1 JavaScript
2 C 2 C
對(duì)列進(jìn)行分區(qū)
很多情況下，對(duì)于數(shù)值類型的數(shù)據(jù)，我們需要分區(qū)來計(jì)算每個(gè)區(qū)間數(shù)據(jù)出現(xiàn)的頻率。這時(shí)用 pd.cut 就能很好的解決這一問題。
import random
age = random.sample(range(90), 20)
cut_res = pd.cut(age, bins=[0, 18, 35, 60, 90])
# cut_res type：<class 'pandas.core.arrays.categorical.Categorical'>
cut_res.value_counts()
輸出：
(0, 18] 6
(18, 35] 1
(35, 60] 6
(60, 90] 7
將一列分為多列
在文本數(shù)據(jù)清洗時(shí)，一些列中存在分隔符('', ',', ':')分隔的值，我們只需將該列根據(jù)分隔符進(jìn)行 split 即可。
import pandas as pd
df = pd.DataFrame({'address': ['四川省 成都市',
'湖北省 武漢市',
'浙江省 杭州市']})
res = df['address'].str.split(' ', expand=True)
res.columns = ['province', 'city']
輸出：
province city
0 四川省 成都市
1 湖北省 武漢市
2 浙江省 杭州市
expand參數(shù)選擇是否擴(kuò)展為 DataFrame，F(xiàn)alse 則返回 Series
中文篩選
同樣在清洗過程中，往往會(huì)出現(xiàn)一些不需要的中文字段，這時(shí)直接用 str.contains 篩選即可。
df = pd.DataFrame({'mobile_phone':
['15928765644',
'15567332235',
'暫無']})
df[~df['mobile_phone'].str.contains('[\u4e00-\u9fa5]')]
輸出：
mobile_phone mobile_phone
0 15928765644 0 15928765644
1 15567332235 --> 1 15567332235
2 暫無
更改列的位置
有時(shí)我們需要調(diào)整列的位置，當(dāng)數(shù)據(jù)列較少時(shí)，可以用下面的方式
df = pd.DataFrame({'name': ['A', 'B', 'C'],
'age': [10, 20, 30],
'gender': [0, 1, 0]})
df = df[['name', 'gender', 'age']]
輸出：
name age gender name gender age
0 A 10 0 0 A 0 10
1 B 20 1 --> 1 B 1 20
2 C 30 0 2 C 0 30
如果列較多，那么，一個(gè)個(gè)列舉出來會(huì)比較繁瑣，推薦下面插入的方式。
col = df['gender']
df.drop('gender', axis=1, inplace=True)
df.insert(1, 'gender', col)
