爬虫 数据分析 处理丢失数据 pandas的拼接操作
处理丢失的数据
处理丢失的数据 两种丢失的数据Nonenp.nan(NaN)None是Python自带的,其类型为python object。因此,None不能参与到任何计算中。np.nan是浮点类型,能参与到计算中。但计算的结果总是NaN。pandas中None与np.nan都视作np.nanpandas处理空值操作 isnull() notnull() dropna(): 过滤丢失数据 fillna(): 填充丢失数据ffill bfill 两种补充数据方法 (1)判断函数isnull() notnull()
import numpy as np import pandas as pd from pandas import Series , DataFrametype(None) type(np.nan)np.nan+1df=DataFrame(data=np.random.randint(1,100,size=(5,6))) dfdf.loc[1,2]=None df.loc[3,5]=None df.loc[3,2]=None df.loc[0,2]=None dfdf.notnull().all(axis=1)# 查看没有空的行 df.loc[df.notnull().all(axis=1)]#过滤df中的空值(只保留没有空值的行) df.dropna(axis=1)df.dropna() 可以选择过滤的是行还是列(默认为行):axis中0表示行,1表示的列填充函数 Series/DataFramefillna():value和method参数
数据的清洗
数据说明: 数据是1个冷库的温度数据,1-7对应7个温度采集设备,1分钟采集一次。数据处理目标:用1-4对应的4个必须设备,通过建立冷库的温度场关系模型,预估出5-7对应的数据。最后每个冷库中仅需放置4个设备,取代放置7个设备。f(1-4) --> y(5-7)数据处理过程:1、原始数据中有丢帧现象,需要做预处理;2、matplotlib 绘图;3、建立逻辑回归模型。无标准答案,按个人理解操作即可,请把自己的操作过程以文字形式简单描述一下,谢谢配合。
temp_df=pd.read_excel('测试数据.xlsx')temp_df=temp_df[[1,2,3,4]]temp_df.head()去空的几种方法temp_df.dropna(axis=0)#首次填充之后对应的结果 test_df=temp_df.fillna(method='ffill',axis=0) test_df.isnull().any(axis=0)#校验test_df中还是否存在空值:查看列中是否还有空值 test_df.isnull().any(axis=0)
pandas的拼接操作
pandas的拼接分为两种:
- 级联:pd.concat, pd.append
- 合并:pd.merge, pd.join
使用pd.concat()级联
pandas使用pd.concat函数,与np.concatenate函数类似,只是多了一些参数:
objs
axis=0
keys
join='outer' / 'inner':表示的是级联的方式,outer会将所有的项进行级联(忽略匹配和不匹配),而inner只会将匹配的项级联到一起,不匹配的不级联
ignore_index=False
import numpy as np import pandas as pd from pandas import DataFrame,Seriesdf1 = DataFrame(data=np.random.randint(0,100,size=(3,4)),index=['A','B','C'],columns=['a','b','c','d']) df2 = DataFrame(data=np.random.randint(0,100,size=(3,4)),index=['A','D','C'],columns=['a','b','e','d']) display(df1,df2)pd.concat((df1,df1),axis=0,join='outer')pd.concat((df1,df1,df1),axis=1,join='inner')
pd.concat((df1,df2),axis=0,join='inner')
# pd.concat((df1,df2),axis=1,join='outer')
不匹配级联
不匹配指的是级联的维度的索引不一致。例如纵向级联时列索引不一致,横向级联时行索引不一致
有2种连接方式:
- 外连接:补NaN(默认模式)
- 内连接:只连接匹配的项
使用pd.merge()合并
merge与concat的区别在于,merge需要依据某一共同的列来进行合并
使用pd.merge()合并时,会自动根据两者相同column名称的那一列,作为key来进行合并。
注意每一列元素的顺序不要求一致
参数:
- how:out取并集 inner取交集
- on:当有多列相同的时候,可以使用on来指定使用那一列进行合并,on的值为一个列表
一对一合并df1 = DataFrame({'employee':['Bob','Jake','Lisa'],'group':['Accounting','Engineering','Engineering'],})df2 = DataFrame({'employee':['Lisa','Bob','Jake'],'hire_date':[2004,2008,2012],}) display(df1,df2)pd.merge(df1,df2)
key的规范化
- 当列冲突时,即有多个列名称相同时,需要使用on=来指定哪一个列作为key,配合suffixes指定冲突列名
- 当两张表没有可进行连接的列时,可使用left_on和right_on手动指定merge中左右两边的哪一列列作为连接的列
内合并与外合并:out取并集 inner取交集
- 内合并:只保留两者都有的key(默认模式)
- 外合并 how='outer':补NaN
转载于:https://www.cnblogs.com/XLHIT/p/11346650.html
爬虫 数据分析 处理丢失数据 pandas的拼接操作相关推荐
- pandas(四)pandas的拼接操作
Logout 4-pandas_combine Last Checkpoint: 06/14/2018 (unsaved changes) Python 3 Not Trusted File Edit ...
- 数据分析与AI(五)pandas的数据拼接操作/美国各州人口分析/苹果历年股票曲线图
pandas的拼接操作 pandas的拼接分为两种: - 级联: pd.concat, pd.append - 合并: pd.merge, pd.join 0. 回顾numpy的级联 import n ...
- Python爬虫数据分析三剑客:Numpy、pandas、Matplotlib
一. pandas pandas简介 pandas是建立在Numpy基础上的高效数据分析处理库,是Python的重要数据分析库. pandas提供了众多的高级函数,极大地简化了数据处理的流程,尤其是被 ...
- 数据科学包——pandas基础(处理丢失数据、统计、合并、分组)
文章目录 一.处理丢失数据 1.为空值数据赋值 2.删除空数据行和列 3.填充所有缺失数据 4.判断是否有NaN值 二.统计 1.平均值.求和.累加和 2.shift函数 3.sub函数 4.appl ...
- 网络爬虫——爬取京东数据
下面是我的代码框架(请先看代码需要改进的地方) 需要改进的是 1.采用双缓冲队列,即两个队列,可以理解为一个队列用于生产者的数据写入,一个用于消费者的数据读取,当消费者队列没有数据从生产者队列获取,减 ...
- 知乎爬虫与数据分析(二)pandas+pyecharts数据可视化分析篇(上)
注:代码完整版可移步Github--https://github.com/florakl/zhihu_spider. 知乎爬虫与数据分析(一)数据爬取篇 知乎爬虫与数据分析(三)pandas+pyec ...
- 数据分析从零开始实战,Pandas读写Excel/XML数据
点击查看第一篇文章: 数据分析从零开始实战,Pandas读取HTML页面+数据处理解析_ 数据分析 从零开始到实战,Pandas读写CSV数据_ 数据分析 从零开始到实战,Pandas读写CSV数据 ...
- Python爬虫+数据分析+数据可视化(分析《雪中悍刀行》弹幕)
Python爬虫+数据分析+数据可视化(分析<雪中悍刀行>弹幕) 哔哔一下 爬虫部分 代码部分 效果展示 数据可视化 代码展示 效果展示 视频讲解 福利环节 哔哔一下 雪中悍刀行兄弟们都看 ...
- 数据分析 第七讲 pandas练习 数据的合并、分组聚合、时间序列、pandas绘图
文章目录 数据分析 第七讲 pandas练习 数据的合并和分组聚合 一.pandas-DataFrame 练习1 对于这一组电影数据,如果我们想runtime(电影时长)的分布情况,应该如何呈现数据? ...
最新文章
- ClickHouse系列教程
- 重装华为服务器系统软件,服务器系统重装软件
- 04需求工程软件建模与分析阅读笔记之四
- haproxy的丰富特性简介
- 动态规划套路:最大子数组和
- mysql语句中把string类型字段转datetime类型
- 【计算机网络复习 数据链路层】3.4.4 选择重传协议(SR)
- JS学习笔记3-JavaScript 语句
- Magento教程 16:Magento价格规则的优先度
- C语言里面双分号是啥意思,问什么C程序里总是提示缺少分号;,而明明有分号?...
- [渝粤教育] 中国地质大学 工程地质 复习题 (2)
- fp16和fp32,神经网络混合精度训练,PYTORCH 采用FP16,Libtorch采用FP16,神经网络混合精度三种避免损失,TensorRT模型转换及部署(一)
- android 沙盒 ios,iOS之沙盒机制
- 表头顺序不一样的表格如何合并_表头一样的几个excel表怎么合并在一起?
- Python面试简历技能点写法总结
- #if...#endif是C++中的条件编译预处理命令
- 《Kali Linux渗透测试的艺术》—第2章2.3节安全测试方法论
- 计算时间差 html,计算时间差的公式
- 计算机图形学——光线追踪(RayTracing)算法
- Windows桌面虚拟小猫Candy - From Neko