使用 Pandas 進(jìn)行資料探索：初學(xué)者指南

簡(jiǎn)介

在資料科學(xué)領(lǐng)域，Pandas 是 Python 中最強(qiáng)大的資料操作和分析工具之一。
Pandas 建立在 NumPy 函式庫(kù)之上，提供資料結(jié)構(gòu)和函數(shù)
從載入資料集到轉(zhuǎn)換和匯總數(shù)據(jù)，數(shù)據(jù)分析變得快速、輕鬆。

如果您是資料科學(xué)或 Python 新手，本指南將向您介紹使用 Pandas 進(jìn)行資料探索的基礎(chǔ)知識(shí)，涵蓋任何資料專案的基本技術(shù)。

在本指南中，我們將了解：
?如何將資料載入到Pandas
?檢查和探索資料的基本方法
?過(guò)濾、排序和匯總資料的技術(shù)
?處理缺失值

讓我們開(kāi)始與 Pandas 一起探索數(shù)據(jù)！

載入資料
任何資料分析專案的第一步都是將資料載入到 Pandas DataFrame 中，即
Pandas 中的主要資料結(jié)構(gòu)。

DataFrame 是二維結(jié)構(gòu)，以行和列儲(chǔ)存數(shù)據(jù)，很像電子表格。

要在 python 上安裝 pandas，請(qǐng)使用以下命令：
py -m pip install pandas
（請(qǐng)確保電腦已連接到 wifi 才能下載pandas）

載入 CSV 和 Excel 檔案

要載入資料集，我們可以對(duì) CSV 檔案使用 pd.read_csv() 函數(shù)，或?qū)?
使用 pd.read_excel() 函數(shù) Excel 檔案。

將 pandas 匯入為 pd
載入 CSV 檔案
df = pd.readcsv('path/to/your/file.csv')
載入 Excel 檔案
df = pd.readexcel('path/to/your/file.xlsx')
載入資料後，DataFrame df 將包含資料集，準(zhǔn)備好進(jìn)行探索和操作。

探索數(shù)據(jù)
加載資料後，下一步是探索它並了解其結(jié)構(gòu)、內(nèi)容和潛在問(wèn)題。

以下是檢查資料的一些基本方法：

檢查前幾行
若要查看資料集的頂部，請(qǐng)使用 head() 方法。預(yù)設(shè)情況下，它顯示前五行，但您
可以指定不同的數(shù)字。
顯示前 5 行
列?。╠f.head（））
同樣，您可以使用 tail() 顯示最後幾行。

檢查資料結(jié)構(gòu)與型別
若要查看資料集的摘要，包括列名稱、資料類型和非空值，請(qǐng)使用
info()方法。
取得 DataFrame
的摘要 列?。╠f.info（））

這提供了資料集的快速概述，並可以幫助您識(shí)別任何缺少資料或意外資料類型的資料列。

總統(tǒng)計(jì)
對(duì)於數(shù)值數(shù)據(jù)，describe() 提供總計(jì)統(tǒng)計(jì)信息，例如平均值、中位數(shù)、最小值和最大值。

取得總計(jì)統(tǒng)計(jì)
列印（df.describe（））

基本資料操作
資料探索通常需要過(guò)濾、排序和匯總資料才能獲得見(jiàn)解。
Pandas 透過(guò)一些內(nèi)建方法讓這一切變得簡(jiǎn)單。

過(guò)濾資料
您可以使用 loc[] 函數(shù)或直接在 DataFrame 上套用條件來(lái)根據(jù)條件過(guò)濾行。

過(guò)濾列滿足條件的行
Filtereddf = df[df['列名'] >某個(gè)值]

或者，使用 loc[]

filtered_df = df.loc[df['column_name'] >;一些_值]

對(duì)資料進(jìn)行排序
若要按特定列對(duì)資料進(jìn)行排序，請(qǐng)使用 sort_values() 方法。您可以按升序或降序排序。
依列升序排序
sorted_df = df.sort_values(by='column_name')
依降序?qū)α羞M(jìn)行排序
sorted_df = df.sort_values(by='column_name', ascending=False)

總結(jié)資料
groupby() 函數(shù)對(duì)於匯總資料很有用。例如，您可以計(jì)算
的平均值 每個(gè)類別的列在另一列。

按列分組併計(jì)算另一列的平均值
groupeddf = df.groupby('categorycolumn')['numericcolumn'].mean()

處理遺失資料
缺失資料是現(xiàn)實(shí)資料集中的常見(jiàn)問(wèn)題，Pandas 提供了多種方法來(lái)處理它。

刪除缺失值
如果行或列有缺失值並且您想要將其刪除，請(qǐng)使用 dropna()。
刪除缺失值的行
dfdropped = df.dropna()
刪除缺失值的欄位
dfdropped = df.dropna(axis=1)
填充缺失值
若要將缺失值替換為特定值（例如，列的平均值），請(qǐng)使用 fillna()。

用列的平均值填滿缺失值
df['columnname'].fillna(df['columnname'].mean(), inplace=True)
正確處理缺失資料對(duì)於避免錯(cuò)誤並確保分析品質(zhì)至關(guān)重要。

結(jié)論

掌握 Pandas 對(duì)於任何資料科學(xué)專案至關(guān)重要，因?yàn)樗梢宰屇剿鳌⑶謇砗?br> 有效地轉(zhuǎn)換資料。在本指南中，我們介紹如何載入資料、檢查資料、執(zhí)行基本資料
操作和處理缺失值，這些都是資料探索的基本步驟。當(dāng)你前進(jìn)時(shí)，
Pandas 為複雜的數(shù)據(jù)分析和操作提供了更強(qiáng)大的功能。
如需進(jìn)一步學(xué)習(xí)，您可以查看 Pandas 官方文件或探索
上的更多教學(xué)課程 Python 的官方文件網(wǎng)站。
掌握了這些基礎(chǔ)知識(shí)，您就可以開(kāi)始使用 Pandas 進(jìn)行資料探索之旅了。取得資料集
來(lái)自 Kaggle 或 UCI 機(jī)器學(xué)習(xí)儲(chǔ)存庫(kù)等來(lái)源，並將這些技術(shù)付諸實(shí)踐。

作者：Aniekpeno Thompson
熱情的數(shù)據(jù)科學(xué)愛(ài)好者讓我們一起探索數(shù)據(jù)科學(xué)的未來(lái)

https://wwwlinkedincom/in/anekpenothompson80370a262

以上是使用 PANDAS 進(jìn)行資料探索：初學(xué)者指南的詳細(xì)內(nèi)容。更多資訊請(qǐng)關(guān)注PHP中文網(wǎng)其他相關(guān)文章！