Pandas 使用行索引和列标签表达和分析数据,分别对应 axis=0, axis=1,行索引、列标签带来一些便捷的功能。那么如何利用Pandas实现行对齐和列对齐?今天番茄加速就来讲一下。
如果玩Pandas,还没有注意到对齐 alignment,这个特性,那该好好看看接下来的分析。
基于行索引的对齐,与基于列标签的对齐,原理是一致的,它们其实相当于字典的 key,起到对齐数据作用。但是,这种说法抽象了些,没有例子不好想象出对齐的作用。
下面使用google app store 重点分析“行对齐”功能,理解它后,列对齐也自然理解。
导入包:
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
版本号:
print(pd.version)
print(np.version)
print(sns.version)
1.0.1
1.18.1
0.11.0
导入数据:
df = pd.read_csv(‘kaggle-data/googleplaystore.csv’)
df.head(3)
图片
剔除一些异常数据后得到 df_normal,根据 Rating 为每个 app 排名
rank = df_normal.Rating.rank(method=‘min’,na_option=‘bottom’,ascending=False)
rank.head(3)
method 参数指定:Rating 值相等时排名取小,na_option 指定空值排到最后,ascending 指定倒序
将上面得到的新列 rank 插入 df_normal 中:
df_normal.insert(2,‘rank’, rank, allow_duplicates=True)
df_normal.head(3)
因为 df_normal 和 rank 的行索引 index 都是从0 开始的自增,所以即便没有自动对齐,也是准确的:
但是,你看下面的情况,自动对齐的方便性就能显示出来
根据 Reviews 列排序
### 根据 Reviews 次数从少到多排序
df_by_reviews = df_normal.sort_values(by=‘Reviews’)
df_by_reviews.head(3)
得到 df_by_reviews ,注意它的 index 不是按照从0自增
图片
此时在 df_by_reviews 中,插入 rank 还能确保数据对齐吗
### 此时插入排名 rank 列,数据会自动对其
df_by_reviews.insert(3,‘rank_copy’,rank)
df_by_reviews.head()
看到 rank 列 和 rank_copy 列相等,通过下面一行代码验证出来:
len( df_by_reviews[ df_by_reviews[‘rank’] == df_by_reviews[‘rank_copy’] ]) == len(df_by_reviews)
由此可见,Pandas已经为数据自动对齐。
但是,如果 rank 的 index 某些索引值没有出现在 df_by_reviews中, 此时又会怎么对齐呢?
### 如果后者index序列中某些值没有出现在df_by_reviews的index中
### 举个例子
df_test = pd.DataFrame({‘a’:[1,4,7],‘b’:[5,2,1]},index=[4,3,1])
ser = pd.Series(index=[3,2,1],data=[0,9,8])
结果ser 索引值 2 在 df_test 中找不到对应,故为 NaN
以上就是 Pandas 数据对齐的一个基本介绍,知道这些基本原理后再去使用Pandas 做数据分析,心里才会更有谱。