Notions de base sur les pandas

Résumé de base des pandas

À propos de Series et DataFrame

Series

Qu'est-ce qu'une série? Une liste de valeurs unidimensionnelles

Lorsqu'un objet de type dict est placé dans Series, la clé est exprimée sous forme d'index.

data = {
    "Name":"Jhon",
    "Sex":"male",
    "AGe":22
}
pd.Series(data)
>
Name    Jhon
Sex     male
AGe       22
dtype: object

Créer une série à partir du tableau Numpy

array = np.array([22,31,42,23])
age_series = pd.Series(array)
age_series

Spécifiez l'index dans le tableau et appelez par index

array = np.array(['John','male',22])
john_series = pd.Series(array,index = ['Name','Sex','Age'])
john_seiies["Name"]
>John

john_seiries
>
Name    John
Sex     male
Age       22
dtype: object

Obtenez le tableau Numpy d'origine

age_series.values.values 
>array([22, 31, 42, 23])

DataFrame

En tant qu'image, la matrice elle-même est traitée comme un tableau (série de lignes, série de colonnes) et la combinaison est comme un DataFrame.

Dans la figure ci-dessus, seule la colonne Série, Gère également les séries en rangées

Créé à partir du tableau Numpy

ndarray = np.arange(10).reshape(2,5)
ndarray
>
array([[0, 1, 2, 3, 4],
       [5, 6, 7, 8, 9]])

pd.DataFrame(ndarray,index = ["index1",'index2'] ,columns = ['a','b','c','d','e' ])
>
         | a | b | c | d | e |
| index1 | 0 | 1 | 2 | 3 | 4 |
| index2 | 5 | 6 | 7 | 8 | 9 |

Flux de base 1 Lire avec read_csv 2 Analyser les informations de données de base

df = pd.read_csv("dataset/tmdb_5000_movies.csv")
# len()Vérifiez le nombre de données avec
len(df) 

Lorsque vous souhaitez afficher la liste sans l'omettre

#Supprimer les restrictions de colomu
pd.set_option('display.max_columns',None)

#Éliminez les restrictions sur les lignes (chaque donnée) (* Notez que ce sera lourd)
pd.set_option('display.max_rows',None)

df.describe()
type(df)  #se décrire peut être traité comme un DataFrame

Opérations DataFrame

Retourné en série

df["Nom de colonne"]○ Recommandé
df.Nom de la colonne ▲ Non recommandé

Renvoyé par DataFrame

df[["revenue"]]

# Colum peut être sélectionné plusieurs fois
df[["revenue","original_title","budget"]]

#Spécifiez l'index d'une ligne spécifique et récupérez-le
df.iloc[10:13]

#Spécifiez l'index d'une ligne spécifique et récupérez la colonne spécifiée
df.iloc[10:13]["original_title"]

Supprimer la ligne / colonne

drop() #Le dataframe d'origine reste inchangé

Modifiez le DataFrame d'origine avec inplace = True

<Supprimer des lignes spécifiques à la fois axe=0 (* spécifié par défaut)>
df.drop('id', (axis = 0) ,(inplace = True))  

<Supprimer l'axe de colonne spécifié= 1＞
df.drop('id', axis = 1,(inplace = True))  

df = df.drop(5) #Une méthode pour mettre à jour les données d'origine, qui est plus importante que sur place! Utilisez les mêmes variables

dropna()Supprimer toutes les valeurs manquantes

np.isnan()Déterminez s'il y a nan (valeur manquante)

fillna()Remplissez les valeurs manquantes
>fillna(df["runtime"].mean())

Filter

Comment filtrer
#Exemple) Je souhaite spécifier uniquement les films japonais
j_movie = df[df['original_language'] == 'ja'] #Cette façon d'écrire est fondamentalement souvent utilisée


()&()Ou()|()Entrez plusieurs conditions avec
#Exemple) Je souhaite spécifier uniquement les films japonais avec une note de 8 ou plus.
j_movie = df[(df['original_language'] == 'ja') & (df["vote_average"] >= 8 ) ] 

df[ (df['budget'] == 0 ) | (df['revenue'] == 0 ) ]
→ Filtre: "Pas de budget ni de ventes"
 

df[ ~ ((df['budget'] == 0 ) | (df['revenue'] == 0 )) ]
Filtre: "Le budget ou les ventes ne sont pas 0" (PAS de calcul ~)

comment utiliser merge ()

Argumenter comment les options

df1 = pd.DataFrame({'key':["k0","k1","k2"],
                  'A':["a0","a1","a2"],
                  'B':["b0","b1","b2"]})

df2 = pd.DataFrame({'key':["k0","k1","k2"],
                  'C':["c0","c1","c2"],
                  'D':["d0","d1","d2"]})