python学习:pandas学习笔记(二)

本次笔记内容:

  • data frame的行/列selection, index使用方法
  • 对data frame中元素进行批量操作(删除行/列,基于其他列添加新列等)

首先需要将表格数据(.csv, .txt, .tab, .xls, 等)导入pandas进行处理,导入时指定的参数不同,则其行列的index定义不同,会对后续的行列selection造成影响。
以路径/home/username/data/下的file.csv为例,

import pandas as pd
df = pd.read_csv('/home/username/data/file.csv',sep='\t')
df.head(5)
df1 = pd.read_csv('/home/username/data/file.csv', sep='\t', index_col = 0, header = 0)

使用默认参数得到的data frame为列名作为列的index, 行数作为行的index, 使用col_index = 0则规定行名为第一列,header = 0则规定列名为第一行。以及header = None指定没有列名。output如下所示:

根据数据类型来选择相应的打开方式,一般在数据分析之前,对数据进行预处理,行为各样本(sample)信息,列为各特征信息(feature)。

在使用df['']这样默认方式选择时,需要注意:
df[' '] 是默认选择列
df['':'']是默认选择行的slicing

import pandas as pd
df1 = pd.read_csv('/home/username/data/file.csv', sep='\t', col_index = 0, header = 0)
df1['S_0001']
df1['gender':'activity_time/h']

output如下所示。

data frame的行/列selection, index使用方法

  1. 使用df.iloc: 使用integer数字选择行列
  2. 使用df.loc: 使用index/label行列名称选择
  3. 使用df.ix: 可以使用integer也可以使用index/label

1. 使用df.iloc
需要知道想要选择的行列位置,如第几列第几行。

import pandas as pd
df1 = pd.read_csv('/home/username/data/file.csv', sep='\t', col_index = 0, header = 0)
## 选择规则: df.iloc[[用于选择行的integer],[用于选择列的integer]]
df1 = df1.iloc[[0,2],]   # 选择df1中的0、2两行
df1 = df1.iloc[[0,2],1:]  # 选择df1中的0、2两行,从第1列开始的后面所有列。注意使用:这样的slicing则不用括在[]中

output如下所示:

2. 使用df.loc
data frame需要有index存在,因为它基于index来进行选择行列。如果没有,需要用.set_index来设置index

df.set_index('col_name', inplace=True)

使用df.loc来选择行列,可以指定需要的行列名称(index)来选择,也可以籍此设置一些选择条件(逻辑语句:Boolean / Logical indexing ),用于初步筛选数据。例如选择gender这个feature为M的所有数据,选择某个feature大于某个数字的所有数据等。

import pandas as pd
df1 = pd.read_csv('/home/username/data/file.csv', sep='\t', col_index = 0, header = 0)
## 选择规则: df.loc[[用于选择行的index],[用于选择列的label]]
df1 = df1.T # 处理成sample-行, feature--列的形式
df1 = df1.loc[['S_0001','S_0002'],'gender':] # 选择df1中的S_0001,S_0002两行(sample), 选择gender及其后所有的列(feature)
print df1['gender']
df1.loc[df1['gender'] == 'M', 'smoking'] # 选择feature为gender的samples, 查看feature中smoking的情况: 男性sample中吸烟状况如何?
df1.loc[:,'S_0002':]    # 选择S_0002及其后所有的columns,注意冒号的使用
df[['S_0001','S_0002']] # 如果选择多个不连续的column, 可以这样选择
list = ['S_0001','S_0002']
df[list]                # 同上是一样的结果

## 需要注意的是,如果在column的选择中没有使用list, 即str: 'smoking', 则得到的数据形式为Series. 
## 如果使用list, ['smoking'], 则得到单列的data frame

output如下所示

3. 使用df.ix
只有当data frame的index不是Integer的时候才可以使用,且其行列的指定可以为integer和index混合的。但是目前0.20.1版本之后的pandas都不再使用.ix的用法了,integer和index还是各用各的选择方法比较保险。

import pandas as pd
df1 = pd.read_csv('/home/username/data/file.csv', sep='\t', col_index = 0, header = 0)
## 选择规则: df.ix[[用于选择行的integer/index],[用于选择列的integer/index]]
df1.ix[['S_0001','S_0002'],'gender':]
df1.ix[[0,2],2:]
df1.ix[[0,2],'smoking':]

output如下所示

对data frame中元素进行批量操作(加和,基于其他列添加新列等)
获取行名(index),列名(columns),并且查看Index的情况,如有无重复
删除行/列
插入行/列

import pandas as pd
df1 = pd.read_csv('/home/username/data/file.csv', sep='\t', col_index = 0, header = 0)
df1.columns.tolist() # 获取列名,转化为List
df1.index.values # 获取行名,转化为numpy中的arrary
df1.index.has_duplicates # 行名是否有重复。返回True/False

###删除行/列###
df1.drop(['group','gender'], axis=0) # 按照row_name删除行, 不加axis参数则默认删除行
df1.drop(['S_0001','S_0002'],axis=1) # 按照col_name删除列
df1.drop(df1.index[[0,2]], axis=0) # 按照"第几行?"删除行,其row的index必须非0
df1.drop(df1.columns[[0,2]], axis=1) # 按照"第几列?"删除列,其column的index必须非0

###更改行/列名###
df1.rename(index = {'sleep_score': 'sleep_hour', 'smoking': 'smoking_status'}, inplace= True) 
# 更改行名: df.reanme(index = {'old_name':'new_name'},inplace= True)
df1.rename(columns = {'S_0001': 's_0001'}, inplace = True)
# 更改列名: 将index换为columns

###插入新的行/列###
## 比如要生成新的一列,根据sleep_score的数值,生成新的一列sleep_status. 规定低于8小时为short, 8小时为normal, 8小时以上为long.
#这里使用行为sample_id, 列为feature的df1
def sleep(i):
  if float(i) < 8:
    return 'short'
  elif float(i) == 8:
    return 'normal'
  elif float(i) > 8:
    return 'long'
  else:
    return 'others'
df1['sleep_status'] = df1['sleep_score'].apply(lambda x: sleep(x))
print df1
# df1['sleep_score'].apply(lambda x: sleep(x))基于df1['sleep_score'],apply sleep()函数,生成一个新的列
# (lambda x: sleep(x)) 即输入参数为x, 返回sleep(x)值

output如下所示。(只是写函数不想用ipython而已)

根据某一列数值来slicing dataframe

# 比方说p这个dataframe有一个column叫object, 现在要slicing出object在object_in这个List中的行
object_in = ["a" , "b" , "c", "d"]
p_selected = p.loc[p['object'].isin(object_in),:]
p_selected = p.loc[~p['object'].isin(object_in),:]
# 就是除了object_in之外的
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,684评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,143评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,214评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,788评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,796评论 5 368
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,665评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,027评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,679评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 41,346评论 1 299
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,664评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,766评论 1 331
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,412评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,015评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,974评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,203评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,073评论 2 350
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,501评论 2 343