Python 更快進行探索性數據分析的四個方法
大傢好,常用探索性數據分析方法很多,比如常用的 Pandas DataFrame 方法有 .head()、.tail()、.info()、.describe()、.plot() 和 .value_counts()。
import pandas as pd import numpy as np df = pd.DataFrame( { "Student" : ["Mike", "Jack", "Diana", "Charles", "Philipp", "Charles", "Kale", "Jack"] , "City" : ["London", "London", "Berlin", "London", "London", "Berlin", "London", "Berlin"] , "Age" : [20, 40, 18, 24, 37, 40, 44, 20 ], "Maths_Score" : [84, 80, 50, 36, 44, 24, 41, 35], "Science_Score" : [66, 83, 51, 35, 43, 58, 71, 65]} ) df
在 Pandas 中創建 groupby() 對象
在許多情況下,我們希望將數據集拆分為多個組並對這些組進行處理。 Pandas 方法 groupby() 用於將 DataFrame 中的數據分組。
與其一起使用 groupby() 和聚合方法,不如創建一個 groupby() 對象。 理想的情況是,我們可以在需要時直接使用此對象。
讓我們根據列“City”將給定的 DataFrame 分組
df_city_group = df.groupby("City")
我們創建一個對象 df_city_group,該對象可以與不同的聚合相結合,例如 min()、max()、mean()、describe() 和 count()。 一個例子如下所示。
要獲取“City”是Berlin的 DataFrame 子集,隻需使用方法 .get_group()
這不需要為每個組創建每個子 DataFrame 的副本,比較節省內存。
另外,使用 .groupby() 進行切片比常規方法快 2 倍!!
使用 .nlargest()
通常,我們根據特定列的值瞭解 DataFrame 的 Top 3 或 Top 5 數據。例如,從考試中獲得前 3 名得分者或從數據集中獲得前 5 名觀看次數最多的電影。使用 Pandas .nlargest() 是最簡單的方式。
df.nlargest(N, column_name, keep = ‘first' )
使用 .nlargest() 方法,可以檢索包含指定列的 Top ‘N’ 值的 DataFrame 行。
在上面的示例中,讓我們獲取前 3 個“Maths_Score”的 DataFrame 的行。
如果兩個值之間存在聯系,則可以修改附加參數和可選參數。 它需要值“first”、“last”和“all”來檢索領帶中的第一個、最後一個和所有值。這種方法的優點是,你不需要專門對 DataFrame 進行排序。
使用 .nsmallest()
與Top 3 或5 類似,有時我們也需要DataFrame 中的Last 5 條記錄。例如,獲得評分最低的 5 部電影或考試中得分最低的 5 名學生。使用 Pandas .nsmallest() 是最簡單的方式
df.nsmallestst(N, column_name, keep = ‘first' )
使用 .nsmallest() 方法,可以檢索包含指定列的底部“N”個值的 DataFrame 行。
在同一個示例中,讓我們獲取 DataFrame“df”中“Maths_Score”最低的 3 行。
邏輯比較
比較運算符 <、>、<=、>=、==、!= 及其包裝器 .lt()、.gt()、.le()、.ge()、.eq() 和 .ne() 分別在以下情況下非常方便將 DataFrame 與基值進行比較,這種比較會產生一系列佈爾值,這些值可用作以後的指標。
- 基於比較對 DataFrame 進行切片
- 可以基於與值的比較從 DataFrame 中提取子集。
- 根據兩列的比較在現有 DataFrame 中創建一個新列。
所有這些場景都在下面的示例中進行瞭解釋
# 1. Comparing the DataFrame to a base value # Selecting the columns with numerical values only df.iloc[:,2:5].gt(50) df.iloc[:,2:5].lt(50) # 2. Slicing the DataFrame based on comparison # df1 is subset of df when values in "Maths_Score" column are not equal or equal to '35' df1 = df[df["Maths_Score"].ne(35)] df2 = df[df["Maths_Score"].eq(35)] # 3. Creating new column of True-False values by comparing two columns df["Maths_Student"] = df["Maths_Score"].ge(df["Science_Score"]) df["Maths_Student_1"] = df["Science_Score"].le(df["Maths_Score"])
總結
在使用 Python 進行數據分析時,我發現這些方法非常方便,它確實讓數據分析變得更快。歡迎大傢嘗試這些,如果你有那些更棒的方法,歡迎評論區留言!
技術交流
歡迎轉載、收藏、有所收獲點贊支持一下!
到此這篇關於Python 更快進行探索性數據分析的四個方法的文章就介紹到這瞭,更多相關Python 數據分析內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!
推薦閱讀:
- Pandas中DataFrame常用操作指南
- python數據處理67個pandas函數總結看完就用
- 利用Pandas索引和選取數據方法詳解
- Python Pandas常用函數方法總結
- Python機器學習三大件之二pandas