pandas常用基本函数
python基础篇（三）
这篇主要整理pandas常用的基本函数，主要分为五部分：
- 汇总函数
- 特征统计函数
- 唯一值函数
- 替换函数
- 排序函数
1、汇总函数
常用的主要是4个：
- tail(): 返回表或序列的后n行
- head(): 返回表或序列的前n行
- info(): 返回表的信息概况
- describe(): 返回表中数值列对应的主要统计量
n默认为5
df.describe()
#运行截图
Height Weight
count 183.000000 189.000000
mean 163.218033 55.015873
std 8.608879 12.824294
min 145.400000 34.000000
25% 157.150000 46.000000
50% 161.900000 51.000000
75% 167.500000 65.000000
max 193.900000 89.000000
2、特征统计函数
在Series和DataFrame上定义了许多统计函数，最常见的是：
- sum
- mean （均值）
- median （中位数）
- var （方差）
- std （标准差）
- max
- min
用法示例
df_demo = df[['Height', 'Weight']]
df_demo.mean()
聚合函数
- quantile (返回分位数)
- count （返回非缺失值个数）
- idxmax （最大值对应的索引）
聚合函数，有一个公共参数axis，axis=0代表逐列聚合，axis=1表示逐行聚合
df_demo.mean(axis=1).head()
3、唯一值函数
唯一值函数常用的四个函数：
- unique() : 得到唯一值组成的列表->统计出指定列唯一存在的值有哪些
- nunique() ：唯一值的个数->统计出指定列唯一存在的值总共有多少个
- value_counts() ： 得到唯一值和其对应出现的频数
- drop_duplicates() ： 去重
- duplicated()
drop_duplicates()基本用法
- 关键参数keep
- first ： 保留第一次出现的重复行，删除后面的重复行
- last ： 删除重复项，除了最后一次出现
- False：把所有重复组合所在的行剔除。
需要指定列
代码：
#原本的数据样例
df_demo = df[['Gender','Transfer','Name']]
df_demo
Gender Transfer Name
0 Female N Gaopeng Yang
1 Male N Changqiang You
2 Male N Mei Sun
3 Female N Xiaojuan Sun
4 Male N Gaojuan You
... ... ... ...
195 Female N Xiaojuan Sun
196 Female N Li Zhao
197 Female N Chengqiang Chu
198 Male N Chengmei Shen
199 Male N Chunpeng Lv
200 rows × 3 columns
#现给Gender,Transfer两列去重
df_demo.drop_duplicates(['Gender','Transfer'])
Gender Transfer Name
0 Female N Gaopeng Yang
1 Male N Changqiang You
12 Female NaN Peng You
21 Male NaN Xiaopeng Shen
36 Male Y Xiaojuan Qin
43 Female Y Gaoli Feng
由此可见，使用了first参数，保留第一次出现的重复行，删除后面的重复行
在未指定参数的情况下，keep默认first；
指定last
案例如下:
df_demo.drop_duplicates(['Gender', 'Transfer'], keep='last')
Gender Transfer Name
147 Male NaN Juan You
150 Male Y Chengpeng You
169 Female Y Chengquan Qin
194 Female NaN Yanmei Qian
197 Female N Chengqiang Chu
199 Male N Chunpeng Lv
last:删除所有的重复行，只保留出现的最后一个
- drop_duplicates() & duplicated()的区别
duplicated和drop_duplicates的功能类似，但前者返回了是否为唯一值的布尔列表，其keep参数与后者一致。其返回的序列，把重复元素设为True，否则为False。 drop_duplicates等价于把duplicated为True的对应行剔除。
4、替换函数
替换函数有三类：
- 映射函数：replace()…
- 逻辑函数：（1）where （2）mask
- 数值替换
replace的用法
#原本的数据
df_demo = df[['Gender','Transfer','Name']]
df_demo
Gender Transfer Name
0 Female N Gaopeng Yang
1 Male N Changqiang You
2 Male N Mei Sun
3 Female N Xiaojuan Sun
4 Male N Gaojuan You
... ... ... ...
195 Female N Xiaojuan Sun
196 Female N Li Zhao
197 Female N Chengqiang Chu
198 Male N Chengmei Shen
199 Male N Chunpeng Lv
200 rows × 3 columns
#替换Gender，女替换为0，男替换为1
df['Gender'].replace({'Female':0, 'Male':1}).head()
0 0
1 1
2 1
3 0
4 1
Name: Gender, dtype: int64
逻辑替换
逻辑替换包括了where和mask，这两个函数是完全对称的：where函数在传入条件为False的对应行进行替换，而mask在传入条件为True的对应行进行替换，当不指定替换值时，替换为缺失值（NAN）
s = pd.Series([-1, 1.2345, 100, -50])
s.where(s<0)
0 -1.0
1 NaN
2 NaN
3 -50.0
dtype: float64
s.where(s<0, 100)
0 -1.0
1 100.0
2 100.0
3 -50.0
dtype: float64
s.mask(s<0)
0 NaN
1 1.2345
2 100.0000
3 NaN
dtype: float64