未加星标

python数据分析笔记――数据加载与整理

字体大小 | |
[开发(python) 所属分类 开发(python) | 发布者 店小二03 | 时间 2017 | 作者 红领巾 ] 0人收藏点击收藏

python数据分析笔记――数据加载与整理

数据加载

导入文本数据
python数据分析笔记――数据加载与整理

1、导入文本格式数据(CSV)的方法:

方法一:使用pd.read_csv(),默认打开csv文件。


python数据分析笔记――数据加载与整理

9、10、11行三种方式均可以导入文本格式的数据。

特殊说明:第9行使用的条件是运行文件.py需要与目标文件CSV在一个文件夹中的时候可以只写文件名。第10和11行中文件名ex1.CSV前面的部分均为文件的路径。

方法二:使用pd.read.table(),需要指定是什么样分隔符的文本文件。用sep=””来指定。


python数据分析笔记――数据加载与整理

2、当文件没有标题行时

可以让pandas为其自动分配默认的列名。


python数据分析笔记――数据加载与整理
python数据分析笔记――数据加载与整理
python数据分析笔记――数据加载与整理

也可以自己定义列名。


python数据分析笔记――数据加载与整理
python数据分析笔记――数据加载与整理

3、将某一列作为索引,比如使用message列做索引。通过index_col参数指定’message’。


python数据分析笔记――数据加载与整理
python数据分析笔记――数据加载与整理

4、要将多个列做成一个层次化索引,只需传入由列编号或列名组成的列表即可。


python数据分析笔记――数据加载与整理
python数据分析笔记――数据加载与整理
python数据分析笔记――数据加载与整理

5、文本中缺失值处理,缺失数据要么是没有(空字符串),要么是用某个标记值表示的,默认情况下,pandas会用一组经常出现的标记值进行识别,如NA、NULL等。查找出结果以NAN显示。


python数据分析笔记――数据加载与整理
python数据分析笔记――数据加载与整理
python数据分析笔记――数据加载与整理

6、逐块读取文本文件

如果只想读取几行(避免读取整个文件),通过nrows进行制定即可。


python数据分析笔记――数据加载与整理
python数据分析笔记――数据加载与整理
python数据分析笔记――数据加载与整理

7、对于不是使用固定分隔符分割的表格,可以使用正则表达式来作为read_table的分隔符。


python数据分析笔记――数据加载与整理

(’\s+’是正则表达式中的字符)。

导入JSON数据

JSON数据是通过HTTP请求在Web浏览器和其他应用程序之间发送数据的标注形式之一。通过json.loads即可将JSON对象转换成python对象。(import json)

对应的json.dumps则将Python对象转换成JSON格式。

导入EXCEL数据
python数据分析笔记――数据加载与整理

直接使用read_excel(文件名路径)进行获取,与读取CSV格式的文件类似。

导入数据库数据

主要包含两种数据库文件,一种是SQL关系型数据库数据,另一种是非SQL型数据库数据即MongoDB数据库文件。

数据库文件是这几种里面比较难的,本人没有接触数据库文件,没有亲测,所以就不贴截图了。

数据整理

合并数据集

1、数据库风格的合并

数据库风格的合并与SQL数据库中的连接(join)原理一样。通过调用merge函数即可进行合并。


python数据分析笔记――数据加载与整理
python数据分析笔记――数据加载与整理
python数据分析笔记――数据加载与整理

当没有指明用哪一列进行连接时,程序将自动按重叠列的列名进行连接,上述语句就是按重叠列“key”列进行连接。也可以通过on来指定连接列进行连接。


python数据分析笔记――数据加载与整理

当两个对象的列名不同时,即两个对象没有共同列时,也可以分别进行指定。


python数据分析笔记――数据加载与整理

Left_on是指左侧DataFrame中用作连接的列。

right_on是指右侧DataFrame中用作连接的列。

通过上面的语句得到的结果里面只有a和b对应的数据,c和d以及与之相关的数据被消去,这是因为默认情况下,merge做的是‘inner’连接,即sql中的内连接,取得两个对象的交集。也有其他方式连接:left、right、outer。用“how”来指明。


python数据分析笔记――数据加载与整理

也可以根据多个键(列)进行合并,用on传入一个由列名组成的列表即可。


python数据分析笔记――数据加载与整理
python数据分析笔记――数据加载与整理

2、索引上的合并

(1)普通索引的合并

Left_index表示将左侧的行索引引用做其连接键

right_index表示将右侧的行索引引用做其连接键

上面两个用于DataFrame中的连接键位于其索引中,可以使用Left_index=True或right_index=True或两个同时使用来进行键的连接。


python数据分析笔记――数据加载与整理
python数据分析笔记――数据加载与整理
python数据分析笔记――数据加载与整理

(2)层次化索引

与数据库中用on来根据多个键合并一样。

3、轴向连接(合并)

轴向连接,默认是在轴方向进行连接,也可以通过axis=1使其进行横向连接。

(1)对于numpy对象(数组)可以用numpy中的concatenation函数进行合并。


python数据分析笔记――数据加载与整理
python数据分析笔记――数据加载与整理
python数据分析笔记――数据加载与整理

(2)对于pandas对象(如Series和DataFrame),可以pandas中的concat函数进行合并。


python数据分析笔记――数据加载与整理
python数据分析笔记――数据加载与整理

4、合并重叠数据

对于索引全部或部分重叠的两个数据集,我们可以使用numpy的where函数来进行合并,where函数相当于if―else函数。


python数据分析笔记――数据加载与整理

对于重复的数据显示出相同的数据,而对于不同的数据显示a列表的数据。同时也可以使用combine_first的方法进行合并。合并原则与where函数一致,遇到相同的数据显示相同数据,遇到不同的显示a列表数据。


python数据分析笔记――数据加载与整理
重塑数据集

1、旋转数据

(1)重塑索引、分为stack(将数据的列旋转为行)和unstack(将数据的行旋转为列)。

(2)将‘长格式’旋转为‘宽格式’

2、转换数据

(1)数据替换,将某一值或多个值用新的值进行代替。(比较常用的是缺失值或异常值处理,缺失值一般都用NULL、NAN标记,可以用新的值代替缺失标记值)。方法是replace。


python数据分析笔记――数据加载与整理

一对一替换:用np.nan替换-999


python数据分析笔记――数据加载与整理

多对一替换:用np.nan替换-999和-1000.


python数据分析笔记――数据加载与整理

多对多替换:用np.nan代替-999,0代替-1000.


python数据分析笔记――数据加载与整理

也可以使用字典的形式来进行替换。


python数据分析笔记――数据加载与整理

(2)离散化或面元划分,即根据某一条件将数据进行分组。

利用pd.cut()方式对一组年龄进行分组。


python数据分析笔记――数据加载与整理

默认情况下,cut对分组条件的左边是开着的状态,右边是闭合状态。可以用left(right)=False来设置哪边是闭合的。


python数据分析笔记――数据加载与整理
清理数据集

主要是指清理重复值,DataFrame中经常会出现重复行,清理数据主要是针对这些重复行进行清理。


python数据分析笔记――数据加载与整理

利用drop_duplicates方法,可以返回一个移除了重复行的DataFrame.


python数据分析笔记――数据加载与整理

默认情况下,此方法是对所有的列进行重复项清理操作,也可以用来指定特定的一列或多列进行。


python数据分析笔记――数据加载与整理

默认情况下,上述方法保留的是第一个出现的值组合,传入take_last=true则保留最后一个。


python数据分析笔记――数据加载与整理

End.

作者:张俊红 (中国统计网特邀认证作者)

本文为中国统计网原创文章,需要转载请联系中国统计网 (小编微信:itongjilove) ,转载时请注明作者及出处,并保留本文链接。

本文开发(python)相关术语:python基础教程 python多线程 web开发工程师 软件开发工程师 软件开发流程

分页:12
转载请注明
本文标题:python数据分析笔记――数据加载与整理
本站链接:http://www.codesec.net/view/531819.html
分享请点击:


1.凡CodeSecTeam转载的文章,均出自其它媒体或其他官网介绍,目的在于传递更多的信息,并不代表本站赞同其观点和其真实性负责;
2.转载的文章仅代表原创作者观点,与本站无关。其原创性以及文中陈述文字和内容未经本站证实,本站对该文以及其中全部或者部分内容、文字的真实性、完整性、及时性,不作出任何保证或承若;
3.如本站转载稿涉及版权等问题,请作者及时联系本站,我们会及时处理。
登录后可拥有收藏文章、关注作者等权限...
技术大类 技术大类 | 开发(python) | 评论(0) | 阅读(56)