Pandas如何對Categorical類型字段數據統計實戰案例
一、Pandas如何對Categorical類型字段數據統計
實戰場景:對Categorical類型字段數據統計,Categorical類型是Pandas擁有的一種特殊數據類型,這樣的類型可以包含基於整數的類別展示和編碼的數據
1.1主要知識點
- 文件讀寫
- 基礎語法
- Pandas
- read_csv
實戰:
1.2創建 python 文件
import pandas as pd #讀取csv文件 df = pd.read_csv("Telco-Customer-Churn.csv") # 填充 TotalCharges 的缺失值 median = df["TotalCharges"][df["TotalCharges"] != ' '].median() df.loc[df["TotalCharges"] == ' ', 'TotalCharges'] = median df["TotalCharges"] = df["TotalCharges"].astype(float) # 將分類列轉換成 Categorical 類型 number_columns = ['tenure', 'MonthlyCharges', 'TotalCharges'] for column in number_columns: df[column] = df[column].astype(float) #對三列變成float類型 for column in set(df.columns) - set(number_columns): df[column] = pd.Categorical(df[column]) print(df.info()) print(df.describe(include=["category"]))
1.3運行結果
RangeIndex: 7043 entries, 0 to 7042
Data columns (total 21 columns):
# Column Non-Null Count Dtype
— —— ————– —–
0 customerID 7043 non-null category
1 gender 7043 non-null category
2 SeniorCitizen 7043 non-null category
3 Partner 7043 non-null category
4 Dependents 7043 non-null category
5 tenure 7043 non-null float64
6 PhoneService 7043 non-null category
7 MultipleLines 7043 non-null category
8 InternetService 7043 non-null category
9 OnlineSecurity 7043 non-null category
10 OnlineBackup 7043 non-null category
11 DeviceProtection 7043 non-null category
12 TechSupport 7043 non-null category
13 StreamingTV 7043 non-null category
14 StreamingMovies 7043 non-null category
15 Contract 7043 non-null category
16 PaperlessBilling 7043 non-null category
17 PaymentMethod 7043 non-null category
18 MonthlyCharges 7043 non-null float64
19 TotalCharges 7043 non-null float64
20 Churn 7043 non-null category
dtypes: category(18), float64(3)
memory usage: 611.1 KB
None
customerID gender SeniorCitizen Partner … Contract PaperlessBilling PaymentMethod Churn
count 7043 7043 7043 7043 … 7043 7043 7043 7043
unique 7043 2 2 2 … 3 2 4 2
top 0002-ORFBO Male 0 No … Month-to-month Yes Electronic check No
freq 1 3555 5901 3641 … 3875 4171 2365 5174[4 rows x 18 columns]
二、Pandas如何從股票數據找出收盤價最低行
實戰場景:Pandas如何從股票數據找出收盤價最低行
2.1主要知識點
- 文件讀寫
- 基礎語法
- Pandas
- read_csv
2.2創建 python 文件
""" 數據是CSV格式 1、加載到dataframe 2、找出收盤價最低的索引 3、根據索引找出數據行4 打印結果數據行 """ import pandas as pd df = pd.read_csv("./00700.HK.csv") df["Date"] = pd.to_datetime(df["Date"]) df["Year"] = df["Date"].dt.year df["Month"] = df["Date"].dt.month print(df) print(df.groupby("Year")["Close"].mean()) print(df.describe())
2.3運行結果
Date Open High Low Close Volume Year Month
0 2021-09-30 456.000 464.600 453.800 461.400 17335451 2021 9
1 2021-09-29 461.600 465.000 450.200 465.000 18250450 2021 9
2 2021-09-28 467.000 476.200 464.600 469.800 20947276 2021 9
3 2021-09-27 459.000 473.000 455.200 464.600 17966998 2021 9
4 2021-09-24 461.400 473.400 456.200 460.200 16656914 2021 9
… … … … … … … … …
4262 2004-06-23 4.050 4.450 4.025 4.425 55016000 2004 6
4263 2004-06-21 4.125 4.125 3.950 4.000 22817000 2004 6
4264 2004-06-18 4.200 4.250 3.950 4.025 36598000 2004 6
4265 2004-06-17 4.150 4.375 4.125 4.225 83801500 2004 6
4266 2004-06-16 4.375 4.625 4.075 4.150 439775000 2004 6[4267 rows x 8 columns]
Year
2004 4.338686
2005 6.568927
2006 15.865951
2007 37.882724
2008 54.818367
2009 96.369679
2010 157.299598
2011 189.737398
2012 228.987045
2013 337.136066
2014 271.291498
2015 144.824291
2016 176.562041
2017 291.066667
2018 372.678862
2019 346.225203
2020 479.141129
2021 586.649189
Name: Close, dtype: float64
三、Pandas如何給股票數據新增年份和月份
實戰場景:Pandas如何給股票數據新增年份和月份
3.1主要知識點
- 文件讀寫
- 基礎語法
- Pandas
- Pandas的Series對象
- DataFrame
實戰:
3.2創建 python 文件
""" 給股票數據新增年份和月份 """ import pandas as pd df = pd.read_csv("./00100.csv") print(df) # to_datetime變成時間類型 df["Date"] = pd.to_datetime(df["Date"]) df["Year"] = df["Date"].dt.year df["Month"] = df["Date"].dt.month print(df)
3.3運行結果
Date Open High Low Close Volume
0 2021-09-30 456.000 464.600 453.800 461.400 17335451
1 2021-09-29 461.600 465.000 450.200 465.000 18250450
2 2021-09-28 467.000 476.200 464.600 469.800 20947276
3 2021-09-27 459.000 473.000 455.200 464.600 17966998
4 2021-09-24 461.400 473.400 456.200 460.200 16656914
… … … … … … …
4262 2004-06-23 4.050 4.450 4.025 4.425 55016000
4263 2004-06-21 4.125 4.125 3.950 4.000 22817000
4264 2004-06-18 4.200 4.250 3.950 4.025 36598000
4265 2004-06-17 4.150 4.375 4.125 4.225 83801500
4266 2004-06-16 4.375 4.625 4.075 4.150 439775000[4267 rows x 6 columns]
Date Open High Low Close Volume Year Month
0 2021-09-30 456.000 464.600 453.800 461.400 17335451 2021 9
1 2021-09-29 461.600 465.000 450.200 465.000 18250450 2021 9
2 2021-09-28 467.000 476.200 464.600 469.800 20947276 2021 9
3 2021-09-27 459.000 473.000 455.200 464.600 17966998 2021 9
4 2021-09-24 461.400 473.400 456.200 460.200 16656914 2021 9
… … … … … … … … …
4262 2004-06-23 4.050 4.450 4.025 4.425 55016000 2004 6
4263 2004-06-21 4.125 4.125 3.950 4.000 22817000 2004 6
4264 2004-06-18 4.200 4.250 3.950 4.025 36598000 2004 6
4265 2004-06-17 4.150 4.375 4.125 4.225 83801500 2004 6
4266 2004-06-16 4.375 4.625 4.075 4.150 439775000 2004 6[4267 rows x 8 columns]
四、Pandas如何獲取表格的信息和基本數據統計
實戰場景:Pandas如何獲取表格的信息和基本數據統計
4.1主要知識點
- 文件讀寫
- 基礎語法
- Pandas
- Pandas的Series對象
- numpy
實戰:
4.2創建 python 文件
import pandas as pd import numpy as np df = pd.DataFrame( data={ "norm": np.random.normal(loc=0, scale=1, size=1000), "uniform": np.random.uniform(low=0, high=1, size=1000), "binomial": np.random.binomial(n=1, p=0.2, size=1000)}, index=pd.date_range(start='2021-01-01', periods=1000)) # df.info(),查看多少行,多少列,類型等基本信息 # df.describe(),查看每列的平均值、最小值、最大值、中位數等統計信息; print(df.info()) print() print(df.describe())
4.3運行結果
DatetimeIndex: 1000 entries, 2021-01-01 to 2023-09-27
Freq: D
Data columns (total 3 columns):
# Column Non-Null Count Dtype
— —— ————– —–
0 norm 1000 non-null float64
1 uniform 1000 non-null float64
2 binomial 1000 non-null int32
dtypes: float64(2), int32(1)
memory usage: 27.3 KB
Nonenorm uniform binomial
count 1000.000000 1000.000000 1000.000000
mean -0.028664 0.496156 0.215000
std 0.987493 0.292747 0.411028
min -3.110249 0.000629 0.000000
25% -0.697858 0.238848 0.000000
50% -0.023654 0.503438 0.000000
75% 0.652157 0.746672 0.000000
max 3.333271 0.997617 1.000000
五、Pandas如何使用日期和隨機數生成表格數據類型
實戰場景:Pandas如何使用日期和隨機數生成表格數據類型
5.1主要知識點
- 文件讀寫
- 基礎語法
- Pandas
- Pandas的Series對象
- numpy
實戰:
5.2創建 python 文件
""" 輸出:一個DataFrame,包含三列 1000個日期作為索引:從2021-01-01開始 數據列:正態分佈1000個隨機數,loc=0,scale=1 數據列:均勻分佈1000個隨機數,low=0,high=1 數據列:二項分佈1000個隨機數,n=1,p=0.2 """ import pandas as pd import numpy as np #生成索引列,1000天 date_range = pd.date_range(start='2021-01-01', periods=1000) data = { 'norm': np.random.normal(loc=0, scale=1, size=1000), 'uniform': np.random.uniform(low=0, high=1, size=1000), 'binomial': np.random.binomial(n=1, p=0.2, size=1000) } df = pd.DataFrame(data=data, index=date_range) print(df)
5.3運行結果
norm uniform binomial
2021-01-01 1.387663 0.223985 0
2021-01-02 2.080345 0.704094 0
2021-01-03 1.615880 0.012283 0
2021-01-04 0.523260 0.053396 0
2021-01-05 -0.872305 0.973047 0
… … … …
2023-09-23 -1.601608 0.423913 0
2023-09-24 -0.712566 0.727326 1
2023-09-25 -0.188441 0.879798 0
2023-09-26 2.249404 0.229298 0
2023-09-27 2.132976 0.472873 0[1000 rows x 3 columns]
到此這篇關於Pandas如何對Categorical類型字段數據統計實戰案例的文章就介紹到這瞭,更多相關Pandas Categorical數據統計內容請搜索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:
- Python Pandas 中的數據結構詳解
- Pandas reindex重置索引的使用
- Python高級數據分析之pandas和matplotlib繪圖
- python數學建模之三大模型與十大常用算法詳情
- pandas返回缺失值位置的方法實例教程