手记

pandas VS baseR

import numpy as npimport pandas as pd

创建DataFrame

In [2]:
df = pd.DataFrame({'col_a': np.arange(10), 
                   'col_b': np.random.randn(10), 
                   'col_c': np.random.choice(['A', 'B', 'C'], 10), 
                   'col_d': np.random.choice([0, 1], 10)})
df.head(5)# R code:# df <- data.frame(col_a = 0:9,#                  col_b = rnorm(10),#                  col_c = sample(c('A', 'B', 'C'), size = 10, replace = TRUE),#                  col_d = sample(c(0, 1), size = 10, replace = TRUE), #                  stringsAsFactors = FALSE)# head(df, 5)Out[2]:
col_a   col_b   col_c   col_d
0   0   0.308520    C   1
1   1   -1.829450   B   1
2   2   -0.710135   C   0
3   3   1.354760    A   0
4   4   -0.581359   A   1

获取DataFrame维度

In [3]:print(df.shape, df.shape[0], df.shape[1])

# R code:
# dim(df), rnow(df), ncol(df)

(10, 4) 10 4

获取DataFrame列名

In [4]:
df.columns# R code:# names(df)Out[4]:
Index(['col_a', 'col_b', 'col_c', 'col_d'], dtype='object')

数据选取

In [5]:
# 选取前5行数据df.iloc[:5]# R code:
# df[1:5, ]Out[5]:col_a   col_b   col_c   col_d0   0   0.308520    C   1
1   1   -1.829450   B   1
2   2   -0.710135   C   0
3   3   1.354760    A   0
4   4   -0.581359   A   1
# 选取col_a和col_b列df[['col_a', 'col_b']]

# R code:
# df[, c('col_a', 'col_b')]Out[6]:col_a   col_b0   0   0.3085201   1   -1.8294502   2   -0.7101353   3   1.3547604   4   -0.5813595   5   1.6335426   6   -0.2539507   7   1.7990878   8   0.4129919   9   0.374330
# 选取前5行和前2列df.iloc[:5, :2]# R code:
# df[1:5, 1:2]Out[7]:col_a   col_b0   0   0.3085201   1   -1.8294502   2   -0.7101353   3   1.3547604   4   -0.581359
# 选取单个值(scalar)df.iat[0, 1]# R code:
# df[1, 2]Out[8]:
0.3085196186883713

按条件选取数据

In [9]:
df[(df['col_a'] > 3) & (df['col_b'] < 0)]# or # df.query('col_a > 3 & col_b < 0')# R code:# df[df$col_a > 3 & df$col_b < 0, ]Out[9]:
col_a   col_b   col_c   col_d
4   4   -0.581359   A   1
6   6   -0.253950   B   1
In [10]:
df[df['col_c'].isin(['A', 'B'])]# R code:# df[df$col_c %in% c('A', 'B'), ]Out[10]:
col_a   col_b   col_c   col_d
1   1   -1.829450   B   1
3   3   1.354760    A   0
4   4   -0.581359   A   1
5   5   1.633542    B   1
6   6   -0.253950   B   1
7   7   1.799087    A   1
9   9   0.374330    A   0

增加新列

In [11]:
df['col_e'] = df['col_a'] + df['col_b']
df# df$col_e <- df$col_a + df$col_bOut[11]:
col_a   col_b   col_c   col_d   col_e
0   0   0.308520    C   1   0.308520
1   1   -1.829450   B   1   -0.829450
2   2   -0.710135   C   0   1.289865
3   3   1.354760    A   0   4.354760
4   4   -0.581359   A   1   3.418641
5   5   1.633542    B   1   6.633542
6   6   -0.253950   B   1   5.746050
7   7   1.799087    A   1   8.799087
8   8   0.412991    C   0   8.412991
9   9   0.374330    A   0   9.374330

删除列

In [12]:# 删除col_e列df = df.drop(columns='col_e')
df# R code:# df <- df[, !names(df) == 'col_e']Out[12]:
col_a   col_b   col_c   col_d
0   0   0.308520    C   1
1   1   -1.829450   B   1
2   2   -0.710135   C   0
3   3   1.354760    A   0
4   4   -0.581359   A   1
5   5   1.633542    B   1
6   6   -0.253950   B   1
7   7   1.799087    A   1
8   8   0.412991    C   0
9   9   0.374330    A   0
In [13]:# 删除第一列df.drop(columns=df.columns[0])# R code:# df[, -1]Out[13]:
col_b   col_c   col_d
0   0.308520    C   1
1   -1.829450   B   1
2   -0.710135   C   0
3   1.354760    A   0
4   -0.581359   A   1
5   1.633542    B   1
6   -0.253950   B   1
7   1.799087    A   1
8   0.412991    C   0
9   0.374330    A   0

转置

In [14]:df.T# R code:
# t(df)Out[14]:
0   1   2   3   4   5   6   7   8   9col_a   0   1   2   3   4   5   6   7   8   9col_b   0.30852 -1.82945    -0.710135   1.35476 -0.581359   1.63354 -0.25395    1.79909 0.412991    0.37433col_c   C   B   C   A   A   B   B   A   C   Acol_d   1   1   0   0   1   1   1   1   0   0

数据类型转换

In [15]:
df['col_a'].astype(str)# as.character(df$col_a)Out[15]:
0    0
1    1
2    2
3    3
4    4
5    5
6    6
7    7
8    8
9    9
Name: col_a, dtype: object

转换为类别(categories)/因子(factor)类型

In [16]:
pd.Categorical(df['col_c'])# factor(df$col_d)Out[16]:
[C, B, C, A, A, B, B, A, C, A]
Categories (3, object): [A, B, C]

数据汇总
按行进行计算

In [17]:
df[['col_a', 'col_b']].sum(axis=1)# R code:# apply(df[, c('col_a', 'col_b')], 1, sum)Out[17]:
0    0.308520
1   -0.829450
2    1.289865
3    4.354760
4    3.418641
5    6.633542
6    5.746050
7    8.799087
8    8.412991
9    9.374330
dtype: float64

按列进行计算

In [18]:
df[['col_a', 'col_b']].mean(axis=0)# R code:# apply(df[, c('col_a', 'col_b')], 2, mean)Out[18]:
col_a    4.500000col_b    0.250834dtype: float64
In [19]:
df[['col_a', 'col_b']].apply(lambda x: x.mean() + 10)# R code:# apply(df[, c('col_a', 'col_b')], 2, function(x) mean(x) + 10)Out[19]:
col_a    14.500000col_b    10.250834dtype: float64

数据合并
合并列

In [20]:
df2 = pd.DataFrame({'col_x': np.arange(10), 
                    'col_y': np.arange(10)[::-1]})
df2
Out[20]:
col_x   col_y0   0   91   1   82   2   73   3   64   4   55   5   46   6   37   7   28   8   19   9   0In [21]:
pd.concat([df, df2], axis=1)# R code:# cbind(df, df2)Out[21]:
col_a   col_b   col_c   col_d   col_x   col_y0   0   0.308520    C   1   0   91   1   -1.829450   B   1   1   82   2   -0.710135   C   0   2   73   3   1.354760    A   0   3   64   4   -0.581359   A   1   4   55   5   1.633542    B   1   5   46   6   -0.253950   B   1   6   37   7   1.799087    A   1   7   28   8   0.412991    C   0   8   19   9   0.374330    A   0   9   0

合并行

In [22]:
df3 = pd.DataFrame({'col_a': [-1, -2], 
                    'col_b' : [0, 1], 
                    'col_c': ['B', 'C'], 
                    'col_d': [1, 0]})
df3
Out[22]:
col_a   col_b   col_c   col_d0   -1  0   B   11   -2  1   C   0In [23]:
pd.concat([df, df3], axis=0, ignore_index=True)# R code:# rbind(df, df3)Out[23]:
col_a   col_b   col_c   col_d0   0   0.308520    C   11   1   -1.829450   B   12   2   -0.710135   C   03   3   1.354760    A   04   4   -0.581359   A   15   5   1.633542    B   16   6   -0.253950   B   17   7   1.799087    A   18   8   0.412991    C   09   9   0.374330    A   010  -1  0.000000    B   111  -2  1.000000    C   0



作者:夜神moon
链接:https://www.jianshu.com/p/2bdf617fe131


0人推荐
随时随地看视频
慕课网APP