fillna object类型

时间: 2023-11-12 14:07:19 浏览: 139

pandas使用工作技能总结

### pandas使用工作技能总结 #### 一、Pandas 是什么？ Pandas 是一个强大的 Python 库，用于数据处理和分析。它提供了大量的数据结构和数据分析工具，使得数据处理变得更加高效和方便。Pandas 主要包括两种数据结构：Series（一维数组）和 DataFrame（二维表格），这两种数据结构支持多种数据操作。 #### 二、Pandas中Series **1. Series 的定义** - Series 类似于一维数组，它可以保存任何数据类型（整数、字符串、浮点数等）。Series 可以通过列表、字典或标量值来创建。 - 每个 Series 都有一个索引，可以是整数或自定义的标签。 **2. 创建 Series** - 通过列表创建：`s = pd.Series([1, 2, 3, 4])` - 通过字典创建：`d = {'a' : 0., 'b' : 1., 'c' : 2.}` **3. Series 的基本操作** - 索引：`s[0]` 或 `s.iloc[0]` - 切片：`s[0:2]` 或 `s.iloc[0:2]` - 统计方法：如 `mean()`, `sum()`, `max()` 等 #### 三、Pandas中的DataFrame **1. DataFrame 的定义** - DataFrame 是一个二维带索引的表格，可以视作一系列有序的 Series 对象的组合。 - 它可以包含不同类型的数据，并且每个列都可以有不同的数据类型。 - DataFrame 既可以按行索引也可以按列索引。 **2. 创建 DataFrame** - 通过字典创建：`df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})` - 通过列表创建：`df = pd.DataFrame([[1, 2], [3, 4]], columns=['A', 'B'])` **3. DataFrame 的基本操作** - 选择列：`df['A']` 或 `df.A` - 选择行：`df.loc[0]` 或 `df.iloc[0]` - 描述统计：`df.describe()` - 排序：`df.sort_values(by='A')` ### Pandas读取文件总结 #### 一、Pandas中的read_csv文件 **1. read_csv 的基本用法** - `pd.read_csv('file.csv')`：默认情况下，Pandas 使用逗号作为分隔符。 **2. pd.read_csv重要参数** - `sep`：指定分隔符，默认为逗号。 - `header`：指定是否有表头行，默认为 0。 - `names`：当没有表头时，可以使用 names 参数来指定列名。 - `index_col`：指定哪一列作为索引。 - `dtype`：指定列的数据类型。 - `parse_dates`：指定哪些列需要被解析为日期格式。 - `na_values`：指定哪些值被视为缺失值。 **3. pd.read_csv读取错误解决** - **读取数量变少**：确保文件路径正确，文件完整无损。 - **读取报编码错误**：使用 `encoding` 参数指定正确的编码方式。 - **读取报 C Token 问题**：这通常是因为文件格式不规范，如含有非法字符或格式错误。检查文件格式。 ### Pandas基础统计函数 #### 一、基本介绍 Pandas 提供了一系列统计函数，这些函数可以帮助我们快速地理解数据的基本情况。 #### 二、使用方法 **1. 常用函数** - `count()`：非空值的数量。 - `mean()`：平均值。 - `std()`：标准差。 - `min()`：最小值。 - `max()`：最大值。 - `sum()`：总和。 - `median()`：中位数。 **2. 创建 DataFrame** - `df = pd.DataFrame(np.random.randn(10, 4), columns=list('ABCD'))` **3. 进阶用法** - 多个统计指标同时计算：`df.agg(['mean', 'max'])` - 按列或按行计算：`df.mean(axis=0)` 或 `df.mean(axis=1)` #### 三、注意事项 - 当计算统计指标时，需要注意数据中是否存在缺失值，缺失值可能会导致结果失真。 - 使用 `dropna()` 方法可以在计算前删除缺失值。 ### pandas中去重、翻转、分布分析 #### 1. 基本介绍 Pandas 提供了一些工具来帮助我们进行数据清洗，包括去除重复数据、翻转数据以及进行基本的数据分布分析。 #### 2. 使用方法 **2.1 去重 drop_duplicates** - `df.drop_duplicates(inplace=True)`：原地删除重复行。 **2.2 描述信息 describe** - `df.describe()`：返回数据的描述性统计信息。 **2.3 行列的翻转** - `df.T`：行列转置。 #### 3. 高阶用法 **3.1 describe 高阶用法** - `df.describe(include='all')`：包括所有类型的描述统计信息。 #### 4. 注意事项 - 在去重时，需要明确是基于哪一列或哪些列来进行去重。 - 使用 `describe()` 时，对于非数值类型的列，需要指定 `include='all'`。 ### pandas中的增删修改排序空值 #### 1. 基本介绍 Pandas 支持对 DataFrame 的列进行增加、删除、修改和排序操作。 #### 2. 使用方法 **2.1 DataFrame 数据查找** - `df.loc[df['A'] > 0]`：根据条件筛选数据。 **2.2 DataFrame 数据插入** - `df['E'] = df['A'] + df['B']`：添加新列。 **2.3 DataFrame 数据空值 NAN** - `df.fillna(0)`：使用 0 填充缺失值。 **2.4 DataFrame 修改列名** - `df.rename(columns={'A': 'X'})`：重命名列。 #### 3. 高阶用法 **3.1 sort_values 对 dataframe 进行排序** - `df.sort_values(by='A', ascending=False)`：按照 A 列降序排序。 **3.2 fillna 函数进行数据填充** - `df.fillna(df.mean())`：使用列的平均值填充缺失值。 #### 4. 注意事项 - 在处理空值时，要考虑缺失值是否应该被填充，还是直接删除。 - 修改数据前，最好先复制数据集，以免影响原始数据。 ### pandas中索引问题 #### 1. 基本介绍 Pandas 的索引机制允许用户更加灵活地访问数据。 #### 2. 使用方法 **2.1 stack 函数使用** - 将 DataFrame 转换为 Series：`df.stack()`。 **2.2 unstack 函数使用** - 将 Series 转换为 DataFrame：`df.unstack()`。 #### 3. 高阶用法 **3.1 特征工程中的 trick** - 使用 `df.groupby().apply()` 结合自定义函数进行复杂数据转换。 #### 4. 注意事项 - 在进行索引操作时，需要注意索引的层次性和顺序。 ### pandas中的透视表 #### 1. 基本介绍透视表是一种常用的汇总数据的方式，可以实现复杂的聚合操作。 #### 2. 使用方法 - `pd.pivot_table(df, values='value', index=['A'], columns=['B'], aggfunc=np.sum)` #### 3. 注意事项 - 在创建透视表时，需要明确聚合列和聚合函数。 ### pandas中一行变多行 #### 1. 基本介绍 Pandas 提供了一些方法可以将单行数据拆分为多行数据，这对于数据清洗和预处理非常有用。 #### 2. 使用方法 **2.1 explode 函数使用** - `df.explode('A')`：将列表或元组展开成多行。 **2.2 split 函数使用** - `df['A'].str.split(',', expand=True)`：将字符串分割成多列。 #### 3. 高阶用法 **3.1 explode 函数底层解析** - `df['A'].apply(pd.Series).stack().reset_index(drop=True, level=-1)`：更深入地了解 explode 函数的工作原理。 #### 4. 注意事项 - 在使用 `explode` 或 `split` 之前，需要确保数据格式正确。 ### pandas中字符串使用技巧 #### 1. 基本介绍 Pandas 提供了一系列用于处理字符串的方法，这些方法可以帮助我们轻松地完成字符串的清洗和转换任务。 #### 2. 使用方法 **2.1 大小写转换 lower** - `df['A'].str.lower()`：将字符串转换为小写。 **2.2 字符串匹配 contains 函数** - `df[df['A'].str.contains('pattern')]`：匹配特定模式的行。 **2.3 检查字符串内容 isdigit、isalpha、isalnum** - `df[df['A'].str.isdigit()]`：筛选出仅含数字的行。 **2.4 正则提取和补零操作** - `df['A'].str.extract('(\d{4})')`：正则表达式提取。 - `df['A'].str.zfill(5)`：在字符串左侧填充零。 #### 4. 注意事项 - 在使用字符串方法时，需要确保数据类型为字符串。 - 处理正则表达式时，需要考虑各种边界情况。 ### pandas混合数据处理 #### 1. 基本介绍 Pandas 支持处理混合数据类型，即在一个 DataFrame 中可以包含多种数据类型。 #### 2. 使用方法 **2.1 pd.to_numeric 函数使用** - `pd.to_numeric(df['A'], errors='coerce')`：将非数字类型的数据强制转换为数字。 **2.2 pd.isnull 函数过滤** - `df[df['A'].isnull()]`：筛选出缺失值所在的行。 **2.3 提取非数值型数据** - `df.select_dtypes(include='object')`：选择对象类型的列。 #### 3. 高阶用法 **3.1 性能对比** - 比较不同方法在处理大数据集时的性能差异。 #### 4. 注意事项 - 在处理混合数据类型时，需要小心避免类型转换错误。 - 考虑到数据的一致性，尽量保持数据类型的一致性。 ### pandas中groupby函数 #### 1. 基本介绍 Groupby 函数是 Pandas 中最重要的功能之一，它允许我们按照一个或多个列对数据进行分组，然后对每个分组应用不同的函数。 #### 2. 使用方法 **2.1 cut 函数使用** - `pd.cut(df['A'], bins=4)`：将连续值切割为分类值。 **2.2 qcut 函数使用** - `pd.qcut(df['A'], q=4)`：将连续值按照四分位数切割。 **2.3 高级用法** - `df.groupby('A')['B'].agg(['mean', 'sum'])`：对每个分组执行多个操作。 **2.4 和 fillna 连用** - `df.groupby('A').fillna(method='ffill')`：向前填充缺失值。 #### 3. 注意事项 - 在使用 groupby 时，需要清楚地定义分组键和操作函数。 ### pandas中groupby连用apply #### 1. 基本介绍 Apply 函数与 groupby 函数的结合使用，可以实现更复杂的分组操作。 #### 2. 使用方法 **2.1 groupby 函数使用** - `df.groupby('A')`：按 A 列进行分组。 **2.2 按列 a 分组统计列 b 的均值** - `df.groupby('A')['B'].mean()`：计算每个分组中 B 列的均值。 **2.3 注意事项** - `df.groupby('A').agg({'B': ['mean', 'sum']})`：按多个函数聚合。 #### 3. 高阶用法 **3.1 性能对比** - 使用 apply 函数与不使用 apply 函数的性能差异。 **3.2 和 lambda、函数的结合使用** - `df.groupby('A').apply(lambda x: x[x['B'] > 0])`：使用 lambda 函数进行条件过滤。 **3.3 和 agg 函数结合使用的高级玩法** - `df.groupby('A').agg(lambda x: x.mode()[0])`：计算众数。 **3.4 注意事项** - 在使用 apply 函数时，需要明确 apply 函数的作用范围。 ### pandas数据拼接 #### 1. 基本介绍 Pandas 提供了多种方式来合并 DataFrame，包括纵向和横向的合并。 #### 2. 使用方法 **2.1 concat 函数使用** - `pd.concat([df1, df2])`：纵向堆叠两个 DataFrame。 **2.2 merge 函数使用** - `pd.merge(df1, df2, on='key')`：基于 key 列合并两个 DataFrame。 #### 3. 注意事项 - 在合并数据时，需要确保键的唯一性。 - 注意数据类型的一致性。 ### pandas时间处理 #### 1. 基本介绍 Pandas 提供了强大的时间序列数据处理能力。 #### 2. 使用方法 **2.1 date_range 函数使用** - `pd.date_range(start='2023-01-01', periods=10, freq='D')`：生成时间序列。 **2.2 pd.resample 函数使用** - `df.resample('M').mean()`：按月重采样。 #### 3. 注意事项 - 在处理时间序列数据时，需要注意频率的选择。 - 确保时间数据类型正确。 ### pandas中特征工程常用函数 #### 1. 基本介绍特征工程是机器学习和数据分析中的重要环节，Pandas 提供了一系列用于特征工程的函数。 #### 2. 使用方法 **2.1 pd.get_dummies 函数使用** - `pd.get_dummies(df['A'])`：将类别变量转换为虚拟变量。 **2.2 pd.factorize 函数使用** - `pd.factorize(df['A'])[0]`：将类别转换为整数索引。 **2.3 pd.diff 函数使用** - `df['A'].diff()`：计算序列中相邻元素的差值。 **2.4 pd.rank 函数使用** - `df['A'].rank()`：计算序列的排名。 #### 3. 注意事项 - 在使用特征工程函数时，需要考虑到特征之间的相关性。 - 注意特征的稳定性，避免过拟合。 ### pandas中高性能query、eval函数 #### 1. 基本介绍 Pandas 的 query 和 eval 函数可以提高数据查询和计算的性能。 #### 2. 使用方法 **2.1 pd.query 函数使用** - `df.query('A > 0 and B < 10')`：条件筛选。 **2.2 pd.eval 函数使用** - `df.eval('C = A * B')`：计算新的列。 #### 3. 注意事项 - 在使用 query 和 eval 时，需要确保条件表达式的正确性。 - 注意性能优化，减少不必要的计算。

如果要对一个DataFrame中的object类型的列进行缺失值填充，可以使用fillna方法。例如，假设有一个名为df的DataFrame，其中包含名为col1和col2的两列数据，且col1是object类型的列，我们需要对col1中的缺失值进行填充，可以使用以下代码： ```python df['col1'].fillna(value='fill_value', inplace=True) ``` 其中，value参数指定了要填充的值，inplace参数指定是否在原始DataFrame上进行修改。

阅读全文

fillna object类型

相关推荐

牛客python数据分析代码笔记

美妆数据清洗,使用python

object类型转为数值类型

'set' object has no attribute 'fillna'

AttributeError: 'float' object has no attribute 'fillna'

AttributeError: 'list' object has no attribute 'fillna'

AttributeError: 'numpy.float64' object has no attribute 'fillna'

如何将pandas数据中object类型的0值替换成线性插值结果

查询在做数据分析时，object类型的列如何处理。(python)

4.查询在做数据分析时，object类型的列如何处理。(python)

在pandas中object数据类型转换为int

moviesID怎么从object改成int64类型

df4 = pd.merge(df4,df3,how='left',on=['地块类型','作物编号']).fillna(0) df4['地块类型'] = [i.replace(' ','') for i in df4.地块类型]怎么错了

dataframe object

怎么在pandas中对dataframe中的某一列将数据类型从object转换为int

numeric_features = all_features.dtypes[all_features.dtypes != 'object'].index all_features[numeric_features] = all_features[numeric_features].apply(lambda x: (x - x.mean()) / (x.std())) all_features[numeric_features] = all_features[numeric_features].fillna(0)解释每行代码含义

object转float

最新推荐

李白高力士脱靴李白贺知章告别课本剧.pptx

高清艺术文字图标资源，PNG和ICO格式免费下载

管理建模和仿真的文件

DMA技术：绕过CPU实现高效数据传输

SGM8701电压比较器如何在低功耗电池供电系统中实现高效率运作？

mui框架HTML5应用界面组件使用示例教程

"互动学习：行动中的多样性与论文攻读经历"

【数据传输高速公路】：总线系统的深度解析

如何结合PID算法调整PWM信号来优化电机速度控制？请提供实现这一过程的步骤和代码示例。

Vue.js开发利器：chrome-vue-devtools插件解析