Python3：Pandas的简单使用4(针对DataFrame的操作：离散化，数据拼接，合并，画图)

1.声明

当前的内容用于本人复习，主要包括当前Pandas数据的离散化，拼接操作，合并数据，还有画图操作

2.数据的离散化(分组后离散化)

# 数据离散化，就是在制定的范围中写入数据，如果当前的数据满足，就使用1表示，否者使用0表示
# 例如： 具有以下数据，某商店具有以下价格的商品，查看当前商品存在的区间
# good1 100 good2  150  good3 180 good4 =120 good5 =200
#                    100-120  120-150  150-200
# 显示的结果为： good1   1         0        0
#              good2   0         1        0
#              good3   0         0        1
#              good4   1         0        0
#              good5   0         0        1

# 当前的表示方法就是上面的，这就是离散化

# 下面使用Pandas实现数据的离散化
import pandas as pd
import numpy as np

goods = np.random.randint(10, 20, 10)
pd_series = pd.Series(goods, index=["商品{}".format(i + 1) for i in range(len(goods))])
print(pd_series)

# 使用自动分配区间的方式
pd_qcut_result = pd.qcut(pd_series, 5)
print("用于数据当前的数据区间的01的图：\n{}".format(pd.get_dummies(pd_qcut_result)))
print("用于获取每个区间的数据的个数：\n{}".format(pd.value_counts(pd_qcut_result)))

print("=" * 25)
print("使用自定义分组方式实现离散操作！")
# 使用自定义的分组方式实现分组操作
bins = [9.9, 12, 14, 16, 18, 20]  # 分组的数据
diy_cut_series = pd.cut(pd_series, bins=bins)
print(diy_cut_series)
print("输出01的表：\n{}".format(pd.get_dummies(diy_cut_series, prefix="价格")))
# 输出每个区间的统计个数
print("输出每个区间的统计个数：\n{}".format(pd.value_counts(diy_cut_series)))

结果：

总结：

实现离散化操作的时候需要两步：1.对数据进行分组，2.对数据进行离散化

1.分组的时候可以使用pd.pcut()进行自动分组，使用pd.cut()按照指定方式分组

2.离散化操作是在分组数据后的操作，直接对分组的数据执行：pd.get_dummies()获取01的数据

3.数据的拼接(concat)

# 使用当前的pandas实现数据的合并
# 使用当前的数据拼接方式需要使用当前的pd.concat这个方式，同样可以指定当前的拼接的方式：水平拼接以及垂直拼接

import pandas as pd
import numpy as np

pd_datas = np.random.randint(10, 100, (5, 5))
days = ["第{}天".format(i + 1) for i in range(5)]
shops = ["第{}家店".format(i + 1) for i in range(5)]

pd_dataFrame = pd.DataFrame(pd_datas, index=days, columns=shops)
print("查看5家店生成的数据的结果：\n{}".format(pd_dataFrame.head()))

# 实现数据的拼接的操作
# 模拟第二个数据
pd_datas2 = np.random.randint(10, 100, (5, 2))
shops2 = ["第6家店", "第7家店"]
pd_dataFrame2 = pd.DataFrame(pd_datas2, index=days, columns=shops2)
# 查看生成的数据结果：
print("查看生成的另外两家店的销售结果：\n{}".format(pd_dataFrame2))

# 指定按照垂直方向合并数据的结果
pd_concat_result = pd.concat((pd_dataFrame, pd_dataFrame2), axis=1)
print("查看合并后的数据的结果：\n{}".format(pd_concat_result))

# 使用当前的水平方向的合并的结果,
pd_concat_result = pd.concat((pd_dataFrame, pd_dataFrame2), axis=0)
print("查看合并后的数据的结果：\n{}".format(pd_concat_result))

结果：

总结：

1.进行数据的拼接操作的时候使用pd.concat()方式将两个数据合并，需要指定axis(合并的方式)

2.在拼接数据的时候会如果数据没有的地方就会显示NaN，否者显示正常

4.数据的合并(merge)

# 当前的包主要是用于实现数据的合并的操作，不是上面的数据的拼接操作，是用于数据的合并操作
#  当前的数据的合并操作主要使用：pd.merge方式合并指定的两张表的数据，这个表中的数据主要使用的是关联关系实现的数据操作(主要使用的是内联外联左连接右链接)

import pandas as pd

# 存在成绩表
pd_scores = [[1, 50, 60, 70],
             [2, 60, 70, 80],
             [3, 70, 80, 90],
             [4, 80, 90, 100],
             ]
pd_scores_index = ["zs", "ls", "ww", "zl"]
pd_scores_columns = ["编号", "语文", "数学", "外语"]
pd_socres_dataFrame = pd.DataFrame(pd_scores, index=pd_scores_index, columns=pd_scores_columns)
print("输出当前的成绩表中的数据信息：\n{}".format(pd_socres_dataFrame))
# pd.merge()

# 假设存在学生表
pd_students = [[1, 13, 0],
               [2, 12, 1],
               [3, 13, 0],
               [4, 11, 1]]
pd_students_index = ["zs", "ls", "ww", "zl"]
pd_students_columns = ["编号", "年龄", "性别"]
pd_students_dataFrame = pd.DataFrame(pd_students, index=pd_students_index, columns=pd_students_columns)
print("输出学生表的数据信息：\n{}".format(pd_students_dataFrame))

# 现在开始使用合并操作实现数据的合并
pd_merge_result = pd.merge(left=pd_students_dataFrame, right=pd_socres_dataFrame, how="inner", on="编号")
print(pd_merge_result)

结果：

总结：

1.使用pd.merge()的时候需要指定当前的参数left和right,还有特定的how

2.默认how为inner表示内连接方式，这个how的数据就像当于数据库表之间的连接，内联外联左联右联等

3.通过on方式指定按照什么连接相当于数据库表连接的on

5.画图操作

# 使用当前的pandas实现当前的画图的操作
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['KaiTi']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False

# 使用当前的Series方式画图
pd_series = pd.Series([i for i in np.random.randint(5, 10, 10)], index=["第{}天".format(i) for i in range(10)])
pd_series.plot()

# 使用当前的DataFrame方式进行当前的画图的操作
columns = ["第{}家店".format(i + 1) for i in range(5)]
index = ["第{}天".format(i + 1) for i in range(5)]
pd_dataFrame = pd.DataFrame(np.random.randint(5, 10, (5, 5)), index=index, columns=columns)
pd_dataFrame.plot()

plt.show()

结果：


画图的时候直接使用plot即可，可以指定当前的kind表示使用什么样式画图

6.总结

1.当前的离散化操作就是显示01的数据分布操作，需要先分组然后再离散化

2.数据的拼接使用pd.concat需要指定拼接的方式axis,注意没有写入的数据就会保持NaN

3.数据的合并，就是数据表之间的合并操作类似数据库的表之间的连接操作

以上纯属个人见解，如有问题请联系本人！