广州网站建设信息科技有限公司,福建省亿力电力建设有限公司网站,如何从网站获取图片做全景图,推广平台有哪些适用于广告数据分析-Pandas分类数据的比较如何避坑
数据分析和处理中#xff0c;难免会遇到各种数据#xff0c;那么数据呈现怎样的规律呢#xff1f;不管金融数据#xff0c;风控数据#xff0c;营销数据等等#xff0c;莫不如此。如何通过图示展示数据的规律#xff1f;
数据表…数据分析-Pandas分类数据的比较如何避坑
数据分析和处理中难免会遇到各种数据那么数据呈现怎样的规律呢不管金融数据风控数据营销数据等等莫不如此。如何通过图示展示数据的规律
数据表时间序列数据在数据分析建模中很常见例如天气预报空气状态监测股票交易等金融场景。数据分析过程中重新调整重塑数据表是很重要的技巧此处选择Titanic数据以及巴黎、伦敦欧洲城市空气质量监测 N O 2 NO_2 NO2数据作为样例。
数据分析
数据分析-Pandas如何转换产生新列
数据分析-Pandas如何统计数据概况
数据分析-Pandas如何轻松处理时间序列数据
数据分析-Pandas如何选择数据子集
数据分析-Pandas如何重塑数据表-CSDN博客
本文用到的样例数据
Titanic数据
空气质量监测 N O 2 NO_2 NO2数据
样例代码
源代码参考 Pandas如何重塑数据表
源代码参考 python数据分析-数据表读写到pandas
导入关键模块
import pandas as pd
import numpy as np
实验数据分析处理股票序列时间序列信号序列有时候表格的数据并不完全是数值类型也有可能是字符串或者其他数据需要做分类处理。pandas如何控制数据分类处理呢需要配置哪些参数
分类数据的比较
有三种情况可以将分类数据与其他对象进行比较
与列表类的比较相等例如相同长度的类似列表的对象如列表、序列、数组…)。分类数据之间的比较它们对应数值是否相同比较操作包括!。分类数据的所有数值与标量的比较。
所有其他的比较尤其是两个类别的“不相等”比较具有不同的 类别或具有任何类似列表的对象的分类将引发 错误.TypeError
In [112]: cat pd.Series([1, 2, 3]).astype(CategoricalDtype([3, 2, 1], orderedTrue))
In [113]: cat_base pd.Series([2, 2, 2]).astype(CategoricalDtype([3, 2, 1], orderedTrue))
In [114]: cat_base2 pd.Series([2, 2, 2]).astype(CategoricalDtype(orderedTrue))In [115]: cat
Out[115]:
0 1
1 2
2 3
dtype: category
Categories (3, int64): [3 2 1]In [116]: cat_base
Out[116]:
0 2
1 2
2 2
dtype: category
Categories (3, int64): [3 2 1]In [117]: cat_base2
Out[117]:
0 2
1 2
2 2
dtype: category
Categories (1, int64): [2]具有相同类别和顺序特性的分类比较或与标量进行比较
In [118]: cat cat_base
Out[118]:
0 True
1 False
2 False
dtype: boolIn [119]: cat 2
Out[119]:
0 True
1 False
2 False
dtype: bool与类似列表对象的相等比较适用于任何具有相同长度的类似列表对象和标量的比较
In [120]: cat cat_base
Out[120]:
0 False
1 True
2 False
dtype: boolIn [121]: cat np.array([1, 2, 3])
Out[121]:
0 True
1 True
2 True
dtype: boolIn [122]: cat 2
Out[122]:
0 False
1 True
2 False
dtype: bool当类别不相同时比较就会报错
In [123]: try:.....: cat cat_base2.....: except TypeError as e:.....: print(TypeError:, str(e)).....:
TypeError: Categoricals can only be compared if categories are the same.但是如果要做不相等的比较比如分类数据与类似列表的对象进行“不相等”比较就需要显式转换为原始数据再做比较。
In [124]: base np.array([1, 2, 3])In [125]: try:.....: cat base.....: except TypeError as e:.....: print(TypeError:, str(e)).....:
TypeError: Cannot compare a Categorical for op __gt__ with type class numpy.ndarray.
If you want to compare values, use np.asarray(cat) op other.In [126]: np.asarray(cat) base
Out[126]: array([False, False, False])当比较具有相同类别的两个无序分类时不考虑顺序
In [127]: c1 pd.Categorical([a, b], categories[a, b], orderedFalse)
In [128]: c2 pd.Categorical([a, b], categories[b, a], orderedFalse)In [129]: c1 c2
Out[129]: array([ True, True])以上代码只是一个简单示例示例代码中的表达式可以根据实际问题进行修改。
后面介绍下其他的展示形式。
觉得有用 收藏 收藏 收藏
点个赞 点个赞 点个赞
End
GPT专栏文章
GPT实战系列-ChatGLM3本地部署CUDA111080Ti显卡24G实战方案
GPT实战系列-LangChain ChatGLM3构建天气查询助手
大模型查询工具助手之股票免费查询接口
GPT实战系列-简单聊聊LangChain
GPT实战系列-大模型为我所用之借用ChatGLM3构建查询助手
GPT实战系列-P-Tuning本地化训练ChatGLM2等LLM模型到底做了什么(二)
GPT实战系列-P-Tuning本地化训练ChatGLM2等LLM模型到底做了什么(一)
GPT实战系列-ChatGLM2模型的微调训练参数解读
GPT实战系列-如何用自己数据微调ChatGLM2模型训练
GPT实战系列-ChatGLM2部署UbuntuCuda11显存24G实战方案
GPT实战系列-Baichuan2本地化部署实战方案
GPT实战系列-Baichuan2等大模型的计算精度与量化
GPT实战系列-GPT训练的PretrainingSFTReward ModelingRLHF
GPT实战系列-探究GPT等大模型的文本生成-CSDN博客
