李氏牛仔网站建设风,17一起做网站app,建筑公司网站常用长尾词,保定建设网站及推广数据分析-Pandas分类数据的操作方法
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
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
分类数据的操作函数
除了min(), max(), mode()函数之外 分类数据还可以执行以下操作
例如 value_counts 方法可以统计所有类别出现数量就算这个列表没有用到
In [130]: s pd.Series(pd.Categorical([a, b, c, c], categories[c, a, b, d]))In [131]: s.value_counts()
Out[131]:
c 2
a 1
b 1
d 0
Name: count, dtype: int64DataFrame方法例如sum 也会显示未使用的类别的求和结果。
In [132]: columns pd.Categorical(.....: [One, One, Two], categories[One, Two, Three], orderedTrue.....: ).....: In [133]: df pd.DataFrame(.....: data[[1, 2, 3], [4, 5, 6]],.....: columnspd.MultiIndex.from_arrays([[A, B, B], columns]),.....: ).T.....: In [134]: df.groupby(level1, observedFalse).sum()
Out[134]: 0 1
One 3 9
Two 3 6
Three 0 0Groupby的mean操作 在以下情况也能适合于未使用类别
In [135]: cats pd.Categorical(.....: [a, b, b, b, c, c, c], categories[a, b, c, d].....: ).....: In [136]: df pd.DataFrame({cats: cats, values: [1, 2, 2, 2, 3, 4, 5]})In [137]: df.groupby(cats, observedFalse).mean()
Out[137]: values
cats
a 1.0
b 2.0
c 4.0
d NaNIn [138]: cats2 pd.Categorical([a, a, b, b], categories[a, b, c])In [139]: df2 pd.DataFrame(.....: {.....: cats: cats2,.....: B: [c, d, c, d],.....: values: [1, 2, 3, 4],.....: }.....: ).....: In [140]: df2.groupby([cats, B], observedFalse).mean()
Out[140]: values
cats B
a c 1.0d 2.0
b c 3.0d 4.0
c c NaNd NaN此外pivot_table 数据透视表操作
In [141]: raw_cat pd.Categorical([a, a, b, b], categories[a, b, c])In [142]: df pd.DataFrame({A: raw_cat, B: [c, d, c, d], values: [1, 2, 3, 4]})In [143]: pd.pivot_table(df, valuesvalues, index[A, B], observedFalse)
Out[143]: values
A B
a c 1.0d 2.0
b c 3.0d 4.0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
