当前位置：网站首页 > 技术分类 > 正文

python(pandas + numpy)数据分析的基础

ztj100 2025-06-04 08:56 8 浏览 0 评论

数据 NaN 值排查，统计，排序

data.isnull()

data 是一个 dataframe 的结构

np.sum(data.isnull())

找到缺失值的总数

data.sort_values()

按照某个列进行数据的排序，
或者按照某两个列进行排序

四种基本统计方法

最大值 np,max() ，最小值 np.min() ，均值 np.mean() ，分位数 np.quantile()

分组 data.groupby

分组： df.groupby() ，按照某个字段进行分组；返回一个分组后的对象df.groupby(by=[...])df.groupby(by=[...]) 可以按照多个字段进行分组，形成层次化的索引结构

聚合 data.agg()

聚合方法灵活，能够对分组对象进行相同的聚合，也可以选择不同的聚合方法
聚合 data.agg([np.mean, np.max]) 聚合的是统计方法，例如求最大值和最小值的方法；注意进行聚合的数据首先是要进行分组才能够进行聚合。

聚合还可以根据具体的字段通过字典的方式设置不同的统计方法： grouped.agg({字段名:统计方法名})

apply 可以进行聚合运算，也可以进行按行运算

apply 的参数还可以是一个 lambda 函数对 df 中的某个 series 进行操作

transform

返回与数据同样长度的行，无法进行聚合

pd.pivot_table() ：

df.groupby

上一篇：利用Python进行数据分组/数据透视表
下一篇：原来这才是Pandas!（原来这才是薯片真正的吃法）

相关推荐

拒绝躺平，如何使用AOP的环绕通知实现分布式锁: 如何在分布式环境下，像用synchronized关键字那样使用分布式锁。比如开发一个注解，叫@DistributionLock，作用于一个方法函数上，每次调方法前加锁，调完之后自动释放锁。可以利用Sp...

「解锁新姿势」兄dei，你代码需要优化了: 前言在我们平常开发过程中，由于项目时间紧张，代码可以用就好，往往会忽视代码的质量问题。甚至有些复制粘贴过来，不加以整理规范。往往导致项目后期难以维护，更别说后续接手项目的人。所以啊，我们要编写出优雅的...

消息队列核心面试点讲解（消息队列面试题）: Rocketmq消息不丢失一、前言RocketMQ可以理解成一个特殊的存储系统，这个存储系统特殊之处数据是一般只会被使用一次，这种情况下，如何保证这个被消费一次的消息不丢失是非常重要的。本文将分析Ro...

秒杀系统—4.第二版升级优化的技术文档二: 大纲7.秒杀系统的秒杀活动服务实现...

SpringBoot JPA动态查询与Specification详解:从基础到高级实战: 一、JPA动态查询概述1.1什么是动态查询动态查询是指根据运行时条件构建的查询，与静态查询（如@Query注解或命名查询）相对。在业务系统中，80%的查询需求都是动态的，例如电商系统中的商品筛选、订...

Java常用工具类技术文档（java常用工具类技术文档有哪些）: 一、概述Java工具类（UtilityClasses）是封装了通用功能的静态方法集合，能够简化代码、提高开发效率。本文整理Java原生及常用第三方库（如ApacheCommons、GoogleG...

Guava 之Joiner 拼接字符串和Map（字符串拼接join的用法）: Guave是一个强大的的工具集合，今天给大家介绍一下，常用的拼接字符串的方法，当然JDK也有方便的拼接字符串的方式，本文主要介绍guava的，可以对比使用基本的拼接的话可以如下操作...

SpringBoot怎么整合Redis，监听Key过期事件?: 一、修改Redis配置文件1、在Redis的安装目录2、找到redis.windows.conf文件，搜索“notify-keyspace-events”...

如何使用Python将多个excel文件数据快速汇总?: 在数据分析和处理的过程中，Excel文件是我们经常会遇到的数据格式之一。本文将通过一个具体的示例，展示如何使用Python和Pandas库来读取、合并和处理多个Excel文件的数据，并最终生成一个包含...

利用Pandas高效处理百万级数据集，速度提升10倍的秘密武器: 处理大规模数据集，尤其是百万级别的数据量，对效率的要求非常高。使用Pandas时，可以通过一些策略和技巧显著提高数据处理的速度。以下是一些关键的方法，帮助你使用Pandas高效地处理大型数据集，从而实...

Python进阶-Day 25: 数据分析基础: 目标：掌握Pandas和NumPy的基本操作，学习如何分析CSV数据集并生成报告。课程内容...

Pandas 入门教程 - 第五课: 高级数据操作: 在前几节课中，我们学习了如何使用Pandas进行数据操作和可视化。在这一课中，我们将进一步探索一些高级的数据操作技巧，包括数据透视、分组聚合、时间序列处理以及高级索引和切片。高级索引和切片...

原来这才是Pandas!（原来这才是薯片真正的吃法）: 听到一些人说，Pandas语法太乱、太杂了，根本记不住。...

python(pandas + numpy)数据分析的基础: 数据NaN值排查，统计，排序...

利用Python进行数据分组/数据透视表: 1.数据分组源数据表如下所示：1.1分组键是列名分组键是列名时直接将某一列或多列的列名传给groupby()方法，groupby()方法就会按照这一列或多列进行分组。按照一列进行分组...

取消回复欢迎你发表评论:

一周热门

最近发表

首页
收录
顶部