使用 Pandas 進(jìn)行數(shù)據(jù)探索：初學(xué)者指南

簡介

在數(shù)據(jù)科學(xué)領(lǐng)域，Pandas 是 Python 中最強大的數(shù)據(jù)操作和分析工具之一。
Pandas 建立在 NumPy 庫之上，提供數(shù)據(jù)結(jié)構(gòu)和函數(shù)
從加載數(shù)據(jù)集到轉(zhuǎn)換和匯總數(shù)據(jù)，數(shù)據(jù)分析變得快速、輕松。

如果您是數(shù)據(jù)科學(xué)或 Python 新手，本指南將向您介紹使用 Pandas 進(jìn)行數(shù)據(jù)探索的基礎(chǔ)知識，涵蓋任何數(shù)據(jù)項目的基本技術(shù)。

在本指南中，我們將了解：
?如何將數(shù)據(jù)加載到Pandas
?檢查和探索數(shù)據(jù)的基本方法
?過濾、排序和匯總數(shù)據(jù)的技術(shù)
?處理缺失值

讓我們開始與 Pandas 一起探索數(shù)據(jù)！

加載數(shù)據(jù)
任何數(shù)據(jù)分析項目的第一步都是將數(shù)據(jù)加載到 Pandas DataFrame 中，即
Pandas 中的主要數(shù)據(jù)結(jié)構(gòu)。

DataFrame 是二維結(jié)構(gòu)，以行和列存儲數(shù)據(jù)，很像電子表格。

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

加載 CSV 和 Excel 文件

要加載數(shù)據(jù)集，我們可以對 CSV 文件使用 pd.read_csv() 函數(shù)，或?qū)?
使用 pd.read_excel() 函數(shù) Excel 文件。

將 pandas 導(dǎo)入為 pd
加載 CSV 文件
df = pd.readcsv('path/to/your/file.csv')
加載 Excel 文件
df = pd.readexcel('path/to/your/file.xlsx')
加載數(shù)據(jù)后，DataFrame df 將包含數(shù)據(jù)集，準(zhǔn)備好進(jìn)行探索和操作。

探索數(shù)據(jù)
加載數(shù)據(jù)后，下一步就是探索它并了解其結(jié)構(gòu)、內(nèi)容和潛在問題。

以下是檢查數(shù)據(jù)的一些基本方法：

檢查前幾行
要查看數(shù)據(jù)集的頂部，請使用 head() 方法。默認(rèn)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
打?。╠f.head（））
同樣，您可以使用 tail() 顯示最后幾行。

檢查數(shù)據(jù)結(jié)構(gòu)和類型
要查看數(shù)據(jù)集的摘要，包括列名稱、數(shù)據(jù)類型和非空值，請使用
info()方法。
獲取 DataFrame
的摘要 打?。╠f.info（））

這提供了數(shù)據(jù)集的快速概述，并可以幫助您識別任何缺少數(shù)據(jù)或意外數(shù)據(jù)類型的列。

匯總統(tǒng)計
對于數(shù)值數(shù)據(jù)，describe() 提供匯總統(tǒng)計信息，例如平均值、中值、最小值和最大值。

獲取匯總統(tǒng)計數(shù)據(jù)
打?。╠f.describe（））

基本數(shù)據(jù)操作
數(shù)據(jù)探索通常需要過濾、排序和匯總數(shù)據(jù)才能獲得見解。
Pandas 通過一些內(nèi)置方法使這一切變得簡單。

過濾數(shù)據(jù)
您可以使用 loc[] 函數(shù)或直接在 DataFrame 上應(yīng)用條件來根據(jù)條件過濾行。

過濾列滿足條件的行
Filtereddf = df[df['列名'] >某個值]

或者，使用 loc[]

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

對數(shù)據(jù)進(jìn)行排序
要按特定列對數(shù)據(jù)進(jìn)行排序，請使用 sort_values() 方法。您可以按升序或降序排序。
按列升序排序
sorted_df = df.sort_values(by='column_name')
按降序?qū)α羞M(jìn)行排序
sorted_df = df.sort_values(by='column_name', ascending=False)

匯總數(shù)據(jù)
groupby() 函數(shù)對于匯總數(shù)據(jù)很有用。例如，您可以計算
的平均值 每個類別的列在另一列中。

按列分組并計算另一列的平均值
groupeddf = df.groupby('categorycolumn')['numericcolumn'].mean()

處理丟失數(shù)據(jù)
缺失數(shù)據(jù)是現(xiàn)實數(shù)據(jù)集中的一個常見問題，Pandas 提供了多種方法來處理它。

刪除缺失值
如果行或列有缺失值并且您想將其刪除，請使用 dropna()。
刪除缺失值的行
dfdropped = df.dropna()
刪除缺失值的列
dfdropped = df.dropna(axis=1)
填充缺失值
要將缺失值替換為特定值（例如，列的平均值），請使用 fillna()。

用列的平均值填充缺失值
df['columnname'].fillna(df['columnname'].mean(), inplace=True)
正確處理缺失數(shù)據(jù)對于避免錯誤并確保分析質(zhì)量至關(guān)重要。

結(jié)論

掌握 Pandas 對于任何數(shù)據(jù)科學(xué)項目都至關(guān)重要，因為它可以讓您探索、清理和
有效地轉(zhuǎn)換數(shù)據(jù)。在本指南中，我們介紹了如何加載數(shù)據(jù)、檢查數(shù)據(jù)、執(zhí)行基本數(shù)據(jù)
操作和處理缺失值，這些都是數(shù)據(jù)探索的基本步驟。當(dāng)你前進(jìn)時，
Pandas 為復(fù)雜的數(shù)據(jù)分析和操作提供了更強大的功能。
如需進(jìn)一步學(xué)習(xí)，您可以查看 Pandas 官方文檔或探索
上的更多教程 Python 的官方文檔網(wǎng)站。
掌握了這些基礎(chǔ)知識，您就可以開始使用 Pandas 進(jìn)行數(shù)據(jù)探索之旅了。獲取數(shù)據(jù)集
來自 Kaggle 或 UCI 機器學(xué)習(xí)存儲庫等來源，并將這些技術(shù)付諸實踐。

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

https://wwwlinkedincom/in/anekpenothompson80370a262

以上是使用 PANDAS 進(jìn)行數(shù)據(jù)探索：初學(xué)者指南的詳細(xì)內(nèi)容。更多信息請關(guān)注PHP中文網(wǎng)其他相關(guān)文章！