数据分析-Pandas分类数据的操作方法

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 $NO_2$ 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: int64

DataFrame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"], ordered=True.....: ).....: In [133]: df = pd.DataFrame(.....:     data=[[1, 2, 3], [4, 5, 6]],.....:     columns=pd.MultiIndex.from_arrays([["A", "B", "B"], columns]),.....: ).T.....: In [134]: df.groupby(level=1, observed=False).sum()
Out[134]: 0  1
One    3  9
Two    3  6
Three  0  0

Groupby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", observed=False).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"], observed=False).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, values="values", index=["A", "B"], observed=False)
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CUDA11+1080Ti+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)