本文共 6703 字，大约阅读时间需要 22 分钟。

上一篇：

3. Summary Functions and Maps

3.1 Summary Functions 数据总结函数

3.1.1 describe()

• wine_rev.points.describe()，各种统计信息，数字信息总结

# 数字列的总结count    129971.000000mean         88.447138std           3.039730min          80.00000025%          86.00000050%          88.00000075%          91.000000max         100.000000Name: points, dtype: float64

• wine_rev.country.describe()，文字信息总结

# 文字类列的总结count     129908unique        43top           USfreq       54504Name: country, dtype: object

3.1.2 mean()，median()，idxmax()，unique()，value_counts()

• wine_rev.points.mean()，均值，median()，中位数，idxmax()，最大数据的下标
• wine_rev.country.unique()，不同的值多少个

array(['Italy', 'Portugal', 'US', 'Spain', 'France', 'Germany',       'Argentina', 'Chile', 'Australia', 'Austria', 'South Africa',       'New Zealand', 'Israel', 'Hungary', 'Greece', 'Romania', 'Mexico',       'Canada', nan, 'Turkey', 'Czech Republic', 'Slovenia',       'Luxembourg', 'Croatia', 'Georgia', 'Uruguay', 'England',       'Lebanon', 'Serbia', 'Brazil', 'Moldova', 'Morocco', 'Peru',       'India', 'Bulgaria', 'Cyprus', 'Armenia', 'Switzerland',       'Bosnia and Herzegovina', 'Ukraine', 'Slovakia', 'Macedonia',       'China', 'Egypt'], dtype=object)

• wine_rev.country.value_counts()，各个值的计数

US                        54504France                    22093Italy                     19540Spain                      6645.....Egypt                         1China                         1Name: country, dtype: int64

3.2 Maps 映射

3.2.1 map()

• wine_points_mean = wine_rev.points.mean()
• wine_rev.points.map(lambda p : p-wine_points_mean)，将数据变到均值上下（产生一个Series，原DF数据没变）

0        -1.4471381        -1.4471382        -1.4471383        -1.4471384        -1.447138            ...   129966    1.552862129967    1.552862129968    1.552862129969    1.552862129970    1.552862Name: points, Length: 129971, dtype: float64

3.2.2 apply()

通过定义函数，使用apply对整个表进行转换，对每一行进行操作

def remean_points(row):    row.points = row.points - wine_points_mean    return rowwine_rev.apply(remean_points,axis='columns')

Note that map() and apply() return new, transformed Series and DataFrames, respectively.

They don’t modify the original data they’re called on.

上面两种方法都不会修改原始数据

3.2.3 内置转换方法

• wine_rev.points - wine_points_mean，直接相减就可以，每个数据都会减去右边的单个value

0        -1.4471381        -1.4471382        -1.4471383        -1.4471384        -1.447138            ...   129966    1.552862129967    1.552862129968    1.552862129969    1.552862129970    1.552862Name: points, Length: 129971, dtype: float64

• wine_rev.country + '-' + wine_rev.region_1，相等长度的两个Series操作，直接1v1对应起来

0                     Italy-Etna1                            NaN2           US-Willamette Valley3         US-Lake Michigan Shore4           US-Willamette Valley                   ...          129966                       NaN129967                 US-Oregon129968             France-Alsace129969             France-Alsace129970             France-AlsaceLength: 129971, dtype: object

4. Grouping and Sorting

4.1 Grouping 分组

4.1.1 groupby()

• wine_rev.groupby('points').points.count()

points80       39781       69282      183683      302584      648085      953086     1260087     1693388     1720789     1222690     1541091     1135992      961393      648994      375895      153596       52397       22998        7799        33100       19Name: points, dtype: int64

• wine_rev.groupby('points').price.min()，按得分分组，然后每组里面价格最低的

points80      5.081      5.082      4.083      4.084      4.085      4.086      4.087      5.088      6.089      7.090      8.091      7.092     11.093     12.094     13.095     20.096     20.097     35.098     50.099     44.0100    80.0Name: price, dtype: float64

• wine_rev.groupby('points').apply(lambda df : df.title.iloc[0])，按得分分组后，每个DataFrame的 title的第一行，代码产生的是一个Series

points80     Viña Tarapacá 2015 Gran Reserva Chardonnay (Le...81     Pura 8 2010 Grand Reserve Pinot Noir (Rapel Va...82       Mémoires 2015 Rosé (Coteaux Varois en Provence)83         Koyle 2015 Costa Pinot Noir (Colchagua Costa)84     Three Brothers 2014 Zero Degree Dry Riesling (...85     Casa Silva 2008 Gran Reserva Petit Verdot (Col...86     Clarksburg Wine Company 2010 Chenin Blanc (Cla...87                     Nicosia 2013 Vulkà Bianco  (Etna)88                  Fattoria Sardi 2015 Rosato (Toscana)89           David Fulton 2008 Petite Sirah (St. Helena)90     Beaumont 2005 Hope Marguerite Chenin Blanc (Wa...91     Le Riche 2003 Cabernet Sauvignon Reserve Caber...92     Dopff & Irion 2004 Schoenenbourg Grand Cru Ven...93     Claiborne & Churchill 2014 Twin Creeks Estate ...94         Sandeman 2015 Quinta do Seixo Vintage  (Port)95     Jasper Hill 2013 Georgia's Paddock Shiraz (Hea...96                        Oremus 2005 Eszencia  (Tokaji)97     Robert Weil 2014 Kiedrich Gräfenberg Trockenbe...98     Chambers Rosewood Vineyards NV Rare Muscadelle...99     Quilceda Creek 2008 Cabernet Sauvignon (Columb...100    Chambers Rosewood Vineyards NV Rare Muscat (Ru...dtype: object

• wine_rev.groupby(['country','province']).apply(lambda df : df.loc[df.points.idxmax()])
  按照，先按国家分组、再按省份分组，每个组里得分最大的，产生的是一个DataFrame
  

4.1.2 agg()

• wine_rev.groupby(['country']).price.agg([len,min,max])，后面可以跟一些统计量
  

4.1.3 multi_indexes

• country_rev = wine_rev.groupby(['country','province']).description.agg([len])，多个特征的分组是多索引的
  
• country_rev.index，MultiIndex

MultiIndex([('Argentina',  'Mendoza Province'),            ('Argentina',             'Other'),            (  'Armenia',           'Armenia'),            ('Australia',   'Australia Other'),            ('Australia',   'New South Wales'),            ('Australia',   'South Australia'),            ('Australia',          'Tasmania'),            ('Australia',          'Victoria'),            ('Australia', 'Western Australia'),            (  'Austria',           'Austria'),            ...            (       'US',        'Washington'),            (       'US', 'Washington-Oregon'),            (  'Ukraine',           'Ukraine'),            (  'Uruguay',         'Atlantida'),            (  'Uruguay',         'Canelones'),            (  'Uruguay',           'Juanico'),            (  'Uruguay',        'Montevideo'),            (  'Uruguay',          'Progreso'),            (  'Uruguay',          'San Jose'),            (  'Uruguay',           'Uruguay')],           names=['country', 'province'], length=425)

• 转换多级索引为普通索引，cr = country_rev.reset_index()，需赋值给一个新的DF
  

4.2 sort_values() 排序

上面例子可以看出，输出都是按照 index 排序的，我们有时希望按值排序。

• cr.sort_values(by='len')，默认升序
  
• cr.sort_values(by='len',ascending=False)，降序（升序=False）
• cr.sort_index()，恢复按 index 升序
  
• 按多个值进行排序，cr.sort_values(by=['country', 'len'])，先按国家字符串升序，然后按长度升序
  
• cr.sort_values(by=['country', 'len'],ascending=[False,True])，还可分别指定，每个特征是升序还是降序
  

上一篇：

转载地址：https://michael.blog.csdn.net/article/details/106182640 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！