第七節(jié) pandas函數(shù)應用
1. 直接使用numpy函數(shù)
-
求絕對值
image.png -
求最大值，默認axis=0為列
image.png
2. apply和applymap
2.1 apply將函數(shù)應用到行或者列,默認axis=0方向為列
-
求各行列最大值（匿名函數(shù)）
image.png
2.2 匿名函數(shù)一行解決不了時，可以選擇自定義函數(shù)
-
求各行列最大值（自定義函數(shù)）
image.png
2.3 在一個數(shù)組中沿軸應用一個函數(shù)
-
求各行列最大值（應用自定義函數(shù)）
image.png
2.4 applymap將函數(shù)應用到每個數(shù)據(jù)
-
保留兩位小數(shù)
image.png
3. 排序
3.1 按索引排序s1.sort_index() # ascending=True 默認升序
-
s1.sort_index(axis=0, level=None, ascending=True, inplace=False, kind='quicksort', na_position='last', sort_remaining=True)
image.png
image.png
3.2 按軸排序
image.png
3.3 按值排序
-
s1.sort_values(axis=0, ascending=True, inplace=False, kind='quicksort', na_position='last')
image.png - 注意相同值的優(yōu)先級
- pd1.sort_values(by, axis=0, ascending=True, inplace=False, kind='quicksort', na_position='last')
-
by行或列的排序優(yōu)先級
image.png
image.png
4. 唯一值和成員屬性
image.png
5.數(shù)據(jù)個數(shù)統(tǒng)計
image.png
image.png
image.png
6. 處理缺失值
6.1 檢測缺失值 df3.isnull()
image.png
6.2 檢測非缺失值 df3.notnull()
image.png
6.3 刪除，默認刪除缺失值所在的行 df3.dropna()
image.png
- df3.dropna(axis=0, how='any', thresh=None, subset=None, inplace=False)
- “how='any'：如果存在任何NA值，請刪除該行或列。
-
“how='all'：如果所有值均為NA，則刪除該行或列。
image.png
6.4 填充缺失值 df3.fillna(1）
-
用平均值填充缺失值
image.png - 上下填充
- df3.fillna(value=None, method=None, axis=None, inplace=False, limit=None, downcast=None, **kwargs)
- method='pad'或'ffill'將上一個有效數(shù)據(jù)往下填充
-
method='backfill'或'bfill'將下一個有效數(shù)據(jù)往上填充
image.png
