5. 來點實用的：df = data frame

在第3章，講到了矩陣matrix和向量vector，矩陣和向量都只能包含某一種數(shù)據(jù)類型，而在實際應(yīng)用中，這種情況比較少見。

創(chuàng)新互聯(lián)服務(wù)項目包括東寧網(wǎng)站建設(shè)、東寧網(wǎng)站制作、東寧網(wǎng)頁制作以及東寧網(wǎng)絡(luò)營銷策劃等。多年來，我們專注于互聯(lián)網(wǎng)行業(yè)，利用自身積累的技術(shù)優(yōu)勢、行業(yè)經(jīng)驗、深度合作伙伴關(guān)系等，向廣大中小型企業(yè)、政府機構(gòu)等提供互聯(lián)網(wǎng)行業(yè)的解決方案，東寧網(wǎng)站推廣取得了明顯的社會效益與經(jīng)濟效益。目前，我們服務(wù)的客戶以成都為中心已經(jīng)輻射到東寧省份的部分城市，未來相信會繼續(xù)擴大服務(wù)區(qū)域并繼續(xù)獲得客戶的支持與信任！

當(dāng)我們做一項數(shù)據(jù)調(diào)查時，調(diào)查報告通常不可能只含有數(shù)值型數(shù)據(jù)或者字符型數(shù)據(jù)，而是包含各種數(shù)據(jù)類型（做分析時需要對目錄數(shù)據(jù)進行編碼，這部分內(nèi)容會在python分析基礎(chǔ)中講到）。因此，我們需要一種新的容器類型——data frame。

有人把data frame翻譯為數(shù)據(jù)幀，這種譯法是不準確的，尤其是考慮到“幀”的定義和data frame的含義的差別。也有人完全按照字面意思把它翻譯成數(shù)據(jù)框架，我感覺有些畫蛇添足，把原本不難理解的東西復(fù)雜化。

本章主要講了：

其實很簡單，用一個例子就能解釋明白：中學(xué)時老師統(tǒng)計的期末成績單就是一個df，通常一個Excel表格中包含以下內(nèi)容：

在實際操作中，我們通常讀取一個Excel表單或者一個csv文件，并將這個文件賦值給一個變量（df或者data），后期對文件的操作可以通過變量名來進行。需要注意的是，df的每一行表示不同的觀測對象，每一列表示一個定語或變量。在成績單里，每個學(xué)生都是一個被觀測的個體，而各科成績表示不同的定語(Attribute)，定語是用來描述觀測對象的特征的。

下面我將采用R語言內(nèi)置的數(shù)據(jù)集mtcars(motor trend car road tests)來做演示。

首先打開RStudio，用 data() 函數(shù)載入數(shù)據(jù)集：

通過前五行數(shù)據(jù)，我們可以看到，每行表示不同的汽車型號，列表示每個汽車型號的不同特征，例如排量，馬力，氣缸數(shù)等等。

通常在獲取一個數(shù)據(jù)集后，我們需要了解它的結(jié)構(gòu)，例如一共有幾行，有哪些列，列的名字，每列的數(shù)據(jù)類型等。查看df的結(jié)構(gòu)，需要 str() 函數(shù)。

輸出結(jié)果表示，mtcars一共有32行(observations)，和11列(variables)。

$符號后面是列名，一共11個，且mtcars中所有的數(shù)據(jù)類型都是numerical。

前面使用了內(nèi)置數(shù)據(jù)集，接下來可以使用 data.frame() 自己創(chuàng)建一個，括號中填入不同的向量，這些向量必須包含相同的元素數(shù)量。

* 注意區(qū)分R和python在創(chuàng)建df時的不同語法

我們以太陽系內(nèi)八大行星為例，建立一個df，包含行星的名字，類型（巖質(zhì)行星還是氣態(tài)巨行星），相對地球直徑的比值，相對地球公轉(zhuǎn)周期的比值以及是否含有星環(huán)（不止土星有星環(huán)）。

觀察一下我們創(chuàng)建的df，不難發(fā)現(xiàn)每個向量就是df中的每一列。（在python中有類似的用法，即通過字典dictionary創(chuàng)建df，參見python教程。）

跟矩陣和向量類似，我們可以選擇df的特定行和 / 或列。利用中括號，在逗號的左邊填入想選擇的行，右邊填入列。這個用法跟前面矩陣的元素選擇重復(fù)，這里就省略了。

這里介紹另外一種方法，只用列名選擇某個特定的列：

df$colname

輸出的結(jié)果是一個向量，可以用 class() 函數(shù)驗證向量元素的類型。

更進一步，如果我們想選出有星環(huán)的行星，可以通過以下操作：

可以看出，我們篩選出了 rings 列中，值為 TRUE 的所有行。

那么能否篩選不帶星環(huán)的行星？

方法很簡單，只需要在中括號中加入一個 !

* 注意：由邏輯值組成的列通常被用來篩選符合某些條件的行，若沒有由邏輯值組成的列，我們可以通過邏輯運算符自己建立一個篩選標準

現(xiàn)在我們嘗試找出影響行星是否有星環(huán)的因素。

對比這兩個結(jié)果，可以發(fā)現(xiàn)太陽系中的巖態(tài)行星都沒有星環(huán)，而氣態(tài)巨行星都有星環(huán)。因此我們可以猜測，影響一個行星是否有星環(huán)的因素是行星的類型。當(dāng)然這只是一個假設(shè)，要想驗證這個假設(shè)在銀河系甚至可觀測宇宙是否成立，我們需要更多數(shù)據(jù)來進行 假設(shè)檢驗 ，這部分的內(nèi)容需要懂點統(tǒng)計學(xué)，后面會講到。

上一步實際上是給我們的數(shù)據(jù)集創(chuàng)建了一個子集，用來過濾掉一部分不需要i的數(shù)據(jù)?，F(xiàn)在介紹一種更高效、更普適的方式：

借助第二個arg，我們可以根據(jù)“某些條件”來選擇。這里的條件覆蓋較廣的范圍，不再局限于邏輯值。

* 注意：這里的‘單等于號’表示賦值，‘雙等于號’表示邏輯判斷

現(xiàn)在試試用numerical數(shù)據(jù)作為篩選條件，選出直徑比地球直徑大的行星：

排序要用到 order() 函數(shù)：

* 注意：decreasing默認為假，也就是說如果不填這個arg， order() 函數(shù)會進行升序排列

Python中def dayUP(df)中的df是什么意思?

你這是定義了一個函數(shù)，df是該函數(shù)的變量，是你自己設(shè)置的變量名，所以df的意思只有你自己知道啊。

def dayUP(df)在Python開頭是什么意思?df是daydfactor 的簡寫嗎？

def dayUP(df):

#your code goes here

def 在python中是一個函數(shù)定義的關(guān)鍵字。

dayUP是函數(shù)名。

后面的括號里的df代表是什么意思，如果作者沒有對df進行注釋的話，也只有他自己知道。我們只需要知道這是一個參數(shù)就可以了，管他是什么的簡寫。

Python pandas用法

在Python中，pandas是基于NumPy數(shù)組構(gòu)建的，使數(shù)據(jù)預(yù)處理、清洗、分析工作變得更快更簡單。pandas是專門為處理表格和混雜數(shù)據(jù)設(shè)計的，而NumPy更適合處理統(tǒng)一的數(shù)值數(shù)組數(shù)據(jù)。

使用下面格式約定，引入pandas包：

pandas有兩個主要數(shù)據(jù)結(jié)構(gòu)：Series和DataFrame。

Series是一種類似于一維數(shù)組的對象，它由 一組數(shù)據(jù) （各種NumPy數(shù)據(jù)類型）以及一組與之相關(guān)的 數(shù)據(jù)標簽（即索引） 組成，即index和values兩部分，可以通過索引的方式選取Series中的單個或一組值。

pd.Series(list,index=[ ]) ，第二個參數(shù)是Series中數(shù)據(jù)的索引，可以省略。

Series類型索引、切片、運算的操作類似于ndarray，同樣的類似Python字典類型的操作，包括保留字in操作、使用.get()方法。

Series和ndarray之間的主要區(qū)別在于Series之間的操作會根據(jù)索引自動對齊數(shù)據(jù)。

DataFrame是一個表格型的數(shù)據(jù)類型，每列值類型可以不同，是最常用的pandas對象。DataFrame既有行索引也有列索引，它可以被看做由Series組成的字典（共用同一個索引）。DataFrame中的數(shù)據(jù)是以一個或多個二維塊存放的（而不是列表、字典或別的一維數(shù)據(jù)結(jié)構(gòu)）。

pd.DataFrame(data,columns = [ ],index = [ ]) ：columns和index為指定的列、行索引，并按照順序排列。

如果創(chuàng)建時指定了columns和index索引，則按照索引順序排列，并且如果傳入的列在數(shù)據(jù)中找不到，就會在結(jié)果中產(chǎn)生缺失值：

數(shù)據(jù)索引 ：Series和DataFrame的索引是Index類型，Index對象是不可修改，可通過索引值或索引標簽獲取目標數(shù)據(jù)，也可通過索引使序列或數(shù)據(jù)框的計算、操作實現(xiàn)自動化對齊。索引類型index的常用方法：

重新索引 ：能夠改變、重排Series和DataFrame索引，會創(chuàng)建一個新對象，如果某個索引值當(dāng)前不存在，就引入缺失值。

df.reindex(index, columns ,fill_value, method, limit, copy ) ：index/columns為新的行列自定義索引；fill_value為用于填充缺失位置的值；method為填充方法，ffill當(dāng)前值向前填充，bfill向后填充；limit為最大填充量；copy 默認True，生成新的對象，F(xiàn)alse時，新舊相等不復(fù)制。

刪除指定索引 ：默認返回的是一個新對象。

.drop() ：能夠刪除Series和DataFrame指定行或列索引。

刪除一行或者一列時，用單引號指定索引，刪除多行時用列表指定索引。

如果刪除的是列索引，需要增加axis=1或axis='columns'作為參數(shù)。

增加inplace=True作為參數(shù)，可以就地修改對象，不會返回新的對象。

在pandas中，有多個方法可以選取和重新組合數(shù)據(jù)。對于DataFrame，表5-4進行了總結(jié)

適用于Series和DataFrame的基本統(tǒng)計分析函數(shù) ：傳入axis='columns'或axis=1將會按行進行運算。

.describe() ：針對各列的多個統(tǒng)計匯總，用統(tǒng)計學(xué)指標快速描述數(shù)據(jù)的概要。

.sum() ：計算各列數(shù)據(jù)的和

.count() ：非NaN值的數(shù)量

.mean( )/.median() ：計算數(shù)據(jù)的算術(shù)平均值、算術(shù)中位數(shù)

.var()/.std() ：計算數(shù)據(jù)的方差、標準差

.corr()/.cov() ：計算相關(guān)系數(shù)矩陣、協(xié)方差矩陣，是通過參數(shù)對計算出來的。Series的corr方法用于計算兩個Series中重疊的、非NA的、按索引對齊的值的相關(guān)系數(shù)。DataFrame的corr和cov方法將以DataFrame的形式分別返回完整的相關(guān)系數(shù)或協(xié)方差矩陣。

.corrwith() ：利用DataFrame的corrwith方法，可以計算其列或行跟另一個Series或DataFrame之間的相關(guān)系數(shù)。傳入一個Series將會返回一個相關(guān)系數(shù)值Series（針對各列進行計算），傳入一個DataFrame則會計算按列名配對的相關(guān)系數(shù)。

.min()/.max() ：計算數(shù)據(jù)的最小值、最大值

.diff() ：計算一階差分，對時間序列很有效

.mode() ：計算眾數(shù)，返回頻數(shù)最高的那（幾）個

.mean() ：計算均值

.quantile() ：計算分位數(shù)（0到1）

.isin() ：用于判斷矢量化集合的成員資格，可用于過濾Series中或DataFrame列中數(shù)據(jù)的子集

適用于Series的基本統(tǒng)計分析函數(shù)，DataFrame[列名]返回的是一個Series類型。

.unique() ：返回一個Series中的唯一值組成的數(shù)組。

.value_counts() ：計算一個Series中各值出現(xiàn)的頻率。

.argmin()/.argmax() ：計算數(shù)據(jù)最大值、最小值所在位置的索引位置（自動索引）

.idxmin()/.idxmax() ：計算數(shù)據(jù)最大值、最小值所在位置的索引（自定義索引）

pandas提供了一些用于將表格型數(shù)據(jù)讀取為DataFrame對象的函數(shù)。下表對它們進行了總結(jié)，其中read_csv()、read_table()、to_csv()是用得最多的。

在數(shù)據(jù)分析和建模的過程中，相當(dāng)多的時間要用在數(shù)據(jù)準備上：加載、清理、轉(zhuǎn)換以及重塑。

在許多數(shù)據(jù)分析工作中，缺失數(shù)據(jù)是經(jīng)常發(fā)生的。對于數(shù)值數(shù)據(jù)，pandas使用浮點值NaN（np.nan）表示缺失數(shù)據(jù)，也可將缺失值表示為NA（Python內(nèi)置的None值）。

替換值

.replace(old, new) ：用新的數(shù)據(jù)替換老的數(shù)據(jù)，如果希望一次性替換多個值，old和new可以是列表。默認會返回一個新的對象，傳入inplace=True可以對現(xiàn)有對象進行就地修改。

刪除重復(fù)數(shù)據(jù)

利用函數(shù)或字典進行數(shù)據(jù)轉(zhuǎn)換

df.head()：查詢數(shù)據(jù)的前五行

df.tail()：查詢數(shù)據(jù)的末尾5行

pandas.cut()

pandas.qcut() 基于分位數(shù)的離散化函數(shù)。基于秩或基于樣本分位數(shù)將變量離散化為等大小桶。

pandas.date_range() 返回一個時間索引

df.apply() 沿相應(yīng)軸應(yīng)用函數(shù)

Series.value_counts() 返回不同數(shù)據(jù)的計數(shù)值

df.aggregate()

df.reset_index() 重新設(shè)置index，參數(shù)drop = True時會丟棄原來的索引，設(shè)置新的從0開始的索引。常與groupby()一起用

numpy.zeros()

python基礎(chǔ)中,df后面是什么

python基礎(chǔ)中,df后面是傳函數(shù)參數(shù)。是要在小括號里面?zhèn)骱瘮?shù)參數(shù)，后面的[]是因為函數(shù)返回一個數(shù)組，列表所以用[0]取得索引為0處的值。

python基礎(chǔ)內(nèi)容簡介

本書是大氣海洋學(xué)科方向?qū)W者的python入門書。全書側(cè)重于介紹大氣海洋學(xué)科領(lǐng)域python編程常用的基礎(chǔ)知識，包括即也阻的獲取、安裝、環(huán)境編輯器等內(nèi)容，示例介紹了python語言基礎(chǔ)，流程控制，列表、元組、字典與集合，函數(shù)，類和對象，模塊，存儲戶等基礎(chǔ)知識。

結(jié)合python基礎(chǔ)知識，介紹了異常處理、計算生態(tài)、正則表達式、python腳本、日志等內(nèi)容。文后結(jié)合習(xí)題幫助讀者解決常見編程問題和困惑，從而幫助讀者實現(xiàn)時也on知識的靈活使用和綜舍編程，將python用于大氣海洋工程當(dāng)中。

本書第1~8章為Python語言基礎(chǔ)，主要介紹Python的基本用法；第9章為一個實戰(zhàn)，幫助讀者理解前8章的知識，第10~17章為Python的進階使用，包含面向?qū)ο缶幊?、函?shù)式編程入門、文件讀寫、異常處理、模塊和包幾個部分。

第18章為第2個實戰(zhàn)，幫助讀者融會貫通前17章的知識，同時拋磚引玉，引起讀者探索的興趣。

當(dāng)前名稱：python中的df函數(shù),df python
標題網(wǎng)址：http://jinyejixie.com/article28/dsecijp.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)站設(shè)計、網(wǎng)站建設(shè)、品牌網(wǎng)站設(shè)計、網(wǎng)站改版、做網(wǎng)站、手機網(wǎng)站建設(shè)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)