Pandas,还能做这些-技术圈

Pandas,还能做这些

共 1685字，需浏览 4分钟

· 2022-08-14

各位看官们里面请，今天慕寒再来接着说一下这Pandas的用法。在本系列的前一篇中，慕寒已经介绍过了一些基本的数据结构，今天我们就来看看Pandas到底为我们提供了哪些神奇的工具。我们都知道，Pandas库可以用来处理数据，既然如此，那数据的读写就是最基本的了Pandas库内置的数据读写函数支持CSV、JSON、txt等多种数据，我们就以CSV格式为例。Pandas库提供了“read_csv”函数来进行CSV数据的读入操作，该函数的语法结构及参数说明如下：

filepath_or_buffer：需要读写的文件名
sep：指定分隔符，默认使用逗号
header：指定某行作为列名，默认为0行，设为None表示不设置列名
index_col：指定某列作为行名
names：可作为结果的列名列表，若没有列的标题行可设为None
dtype：表明每列的数据类型

下面代码以带有经纬度信息的房价数据为例，该案例中data.head()表示只输出前5行的数据：

当然，Pandas库还提供了CSV数据的写入函数“to_csv()”，该函数的语法结构及参数说明如下：

path_or_buf：写入的文件名
sep：指定分隔符，默认使用逗号
header：写入文件的列名，默认为true
columns：选择写入文件的列
index：写入的行名
encoding：写入文件时的编码方式

我们以前文的房价为例：

在拥有了数据之后，我们就要想法子对他们采取必要的操作，所以Pandas库就为我们提供了很多数据操作函数，涉及数据处理的整个流程：数据采集、数据读写、数据预处理、数据探索性分析等。我们今天就先了解一下数据预处理阶段的操作函数，以下是常用的操作函数及简要说明：

dtypes：返回每列的数据类型
empty：如果数据帧为空，返回true,否则false
size：返回元素数
head(n)：返回前n行数据
tail(n)：返回后n行数据
cov：计算数据帧指定列的协方差
corr：计算数据帧各列数据的相关系数
lower：将字符转为小写
upper：将字符转为大写
info：返回数据帧的基本信息
describe：返回数据帧各列的统计信息

前文的head函数就是一个操作函数，在此我们再来了解很重要的函数“corr”。在GIS的空间统计分析中，往往需要分析多个因子之间的相关性，corr函数可得出指定数据的相关系数：

本案例分析的是房价的均价信息与经度的相关关系，由输出可知二者没有明显的相关关系，当然啦，这可能是个废话（手动滑稽~）。其他的函数，慕寒就不一一介绍了，各位看官可以自行尝试一下。其实，我们在处理数据的时候，往往会遇到一种特殊的数据：缺失数据。在Pandas中这部分数据会以“NaN”的形式进行显示。这部分数据被称为噪声数据，会对数据分析成果的精确度产生一定的影响。所以，Pandas库为我们提供了许多处理缺失数据的方法：0值填充、前一个值填充、删除等。

isnull/notnull：检查数据帧中的缺失数据
fillna：用指定的数值填充缺失值
dropna：删除缺失值

如果我们用isnull函数的话，我们就会以每个元素作为判断对象，如果该元素为空则输出True，否则输出False:

在我们对数据进行分析的整个流程中，分析结果的可视化是数据与使用者之间交互的重要途径。在统计分析领域涉及到很多种可视化图表，接下来慕寒将介绍Pandas库中常用的几种图形绘制函数。

bar：条形图，stacked参数表示是否堆积，默认false，不堆积
hist：直方图
box：箱形图
area：面积图
scatter：散点图，可用作回归分析
pie：饼状图

还是用前文的房价信息作为数据。以scatter绘制散点图为例，在GIS空间分析领域会经常涉及到回归分析，即分析所选要素之间的关系。

从图形可知，均价与总价之间存在一定的线性关系。以上便是今天的慕言慕语，各位看官是否还在回味呢？至此，慕寒已经简单介绍了numpy库与Pandas库的两个系列，后面慕寒将在此基础上简要介绍一些机器学习及相关。溜~