大家好，常用探索性数据分析方法很多，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 中创建 groupby() 对象
在许多情况下，我们希望将数据集拆分为多个组并对这些组进行处理。 pandas 方法 groupby() 用于将 dataframe 中的数据分组。
与其一起使用 groupby() 和聚合方法，不如创建一个 groupby() 对象。 理想的情况是，我们可以在需要时直接使用此对象。
让我们根据列“city”将给定的 dataframe 分组
df_city_group = df.groupby("city")
我们创建一个对象 df_city_group，该对象可以与不同的聚合相结合，例如 min()、max()、mean()、describe() 和 count()。 一个例子如下所示。
要获取“city”是berlin的 dataframe 子集，只需使用方法 .get_group()
这不需要为每个组创建每个子 dataframe 的副本，比较节省内存。
另外，使用 .groupby() 进行切片比常规方法快 2 倍！！
使用 .nlargest()
通常，我们根据特定列的值了解 dataframe 的 top 3 或 top 5 数据。例如，从考试中获得前 3 名得分者或从数据集中获得前 5 名观看次数最多的电影。使用 pandas .nlargest() 是最简单的方式。
df.nlargest(n, column_name, keep = ‘first' )
使用 .nlargest() 方法，可以检索包含指定列的 top ‘n’ 值的 dataframe 行。
在上面的示例中，让我们获取前 3 个“maths_score”的 dataframe 的行。
如果两个值之间存在联系，则可以修改附加参数和可选参数。 它需要值“first”、“last”和“all”来检索领带中的第一个、最后一个和所有值。这种方法的优点是，你不需要专门对 dataframe 进行排序。
使用 .nsmallest()
与top 3 或5 类似，有时我们也需要dataframe 中的last 5 条记录。例如，获得评分最低的 5 部电影或考试中得分最低的 5 名学生。使用 pandas .nsmallest() 是最简单的方式
df.nsmallestst(n, column_name, keep = ‘first' )
使用 .nsmallest() 方法，可以检索包含指定列的底部“n”个值的 dataframe 行。
在同一个示例中，让我们获取 dataframe“df”中“maths_score”最低的 3 行。
逻辑比较
比较运算符 <、>、<=、>=、==、!= 及其包装器 .lt()、.gt()、.le()、.ge()、.eq() 和 .ne() 分别在以下情况下非常方便将 dataframe 与基值进行比较，这种比较会产生一系列布尔值，这些值可用作以后的指标。
- 基于比较对 dataframe 进行切片
- 可以基于与值的比较从 dataframe 中提取子集。
- 根据两列的比较在现有 dataframe 中创建一个新列。
所有这些场景都在下面的示例中进行了解释
# 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"])
总结
在使用 python 进行数据分析时，我发现这些方法非常方便，它确实让数据分析变得更快。欢迎大家尝试这些，如果你有那些更棒的方法，欢迎评论区留言！
技术交流
欢迎转载、收藏、有所收获点赞支持一下！
到此这篇关于python 更快进行探索性数据分析的四个方法的文章就介绍到这了,更多相关python 数据分析内容请搜索www.887551.com以前的文章或继续浏览下面的相关文章希望大家以后多多支持www.887551.com！
