pandas 和numpy库处理数据(1)

首先,我们需要引入需要使用的库。

import numpy as np
import pandas as pd

除此之外,我们需要读写csv文件

from pandas import read_csv

读取我们的测试数据

df=pd.read_csv('data_study.csv')
>>>df
   num  class   name    sex  english  sport  army  math  possity  space
0   10      1   mary  woman       80     80    90  75.0       60     65
1   28      1   land    man       80     50    69  70.0       58     70
2   15      2   asnx    man       80     69    80  75.0       90     94
3   18      4  david    man       90     80    86  85.0       95     62
4   19      2    gry  woman       90     50    64   NaN       64     85
5   20      2  kitty  woman       84     58    97  94.0       63     21
6   14      3   lury  woman       98     77    88   0.0       55     40
7   21      1   facy    man       55     68    94  52.0       36     48

接下来我们将对数据进行处理

df.duplicated()#显示是否重复
df.drop_duplicates()#删除重复

对于空值进行用0填补

df.fillna(0)

为了数据处理,对数据进行拷贝

df1=df.copy()
df2=df.copy()

查看数据类型并填空不是int的数据

>>> for i in ty:
...     if df1[i].dtype=='O':
...         noint.append(i)
... 
>>> 
>>> noint
['name', 'sex']

添加总分

 df2['total_score']=df2['english']+df2['sport']+df2['army']+df2['math']+df2['possity']+df2['space']
df>>> df2
   num  class   name    sex  english  sport  army  math  possity  space  total_score
0   10      1   mary  woman       80     80    90    75       60     65          450
1   28      1   land    man       80     50    69    70       58     70          397
2   15      2   asnx    man       80     69    80    75       90     94          488
3   18      4  david    man       90     80    86    85       95     62          498
4   19      2    gry  woman       90     50    64     0       64     85          353
5   20      2  kitty  woman       84     58    97    94       63     21          417
6   14      3   lury  woman       98     77    88     0       55     40          358
7   21      1   facy    man       55     68    94    52       36     48          353

对数据进行分组处理

bins=[df2.total_score.min()-1,400,450,df2.total_score.max()+1]
>>> label=['common','good','perfect']
>>> df2_list=pd.cut(df2.total_score,bins,right=False,labels=label)
>>> df2['catalogy']=df2
df2       df2_list  
>>> df2['catalogy']=df2_list
>>> df2
   num  class   name    sex  english    ...     math  possity  space  total_score  catalogy
0   10      1   mary  woman       80    ...       75       60     65          450   perfect
1   28      1   land    man       80    ...       70       58     70          397    common
2   15      2   asnx    man       80    ...       75       90     94          488   perfect
3   18      4  david    man       90    ...       85       95     62          498   perfect
4   19      2    gry  woman       90    ...        0       64     85          353    common
5   20      2  kitty  woman       84    ...       94       63     21          417      good
6   14      3   lury  woman       98    ...        0       55     40          358    common
7   21      1   facy    man       55    ...       52       36     48          353    common

当然,除此之外,我们需要进行数据的标准化处理

for i in list(df1.columns[4:]):
...    df1[i]=(df1[i]-df1[i].min())/(df1[i].max()-df1[i].min())
... 
>>> df1
   num  class   name    sex   english     sport      army      math   possity     space
0   10      1   mary  woman  0.581395  1.000000  0.787879  0.797872  0.406780  0.602740
1   28      1   land    man  0.581395  0.000000  0.151515  0.744681  0.372881  0.671233
2   15      2   asnx    man  0.581395  0.633333  0.484848  0.797872  0.915254  1.000000
3   18      4  david    man  0.813953  1.000000  0.666667  0.904255  1.000000  0.561644
4   19      2    gry  woman  0.813953  0.000000  0.000000  0.000000  0.474576  0.876712
5   20      2  kitty  woman  0.674419  0.266667  1.000000  1.000000  0.457627  0.000000
6   14      3   lury  woman  1.000000  0.900000  0.727273  0.000000  0.322034  0.260274
7   21      1   facy    man  0.000000  0.600000  0.909091  0.553191  0.000000  0.369863
>>> df1['total_score']=df1['english']+df1['sport']+df1['army']+df1['math']+df1['possity']+df1['space']
>>> df1
   num  class   name    sex   english     sport      army      math   possity     space  total_score
0   10      1   mary  woman  0.581395  1.000000  0.787879  0.797872  0.406780  0.602740     4.176666
1   28      1   land    man  0.581395  0.000000  0.151515  0.744681  0.372881  0.671233     2.521706
2   15      2   asnx    man  0.581395  0.633333  0.484848  0.797872  0.915254  1.000000     4.412704
3   18      4  david    man  0.813953  1.000000  0.666667  0.904255  1.000000  0.561644     4.946519
4   19      2    gry  woman  0.813953  0.000000  0.000000  0.000000  0.474576  0.876712     2.165242
5   20      2  kitty  woman  0.674419  0.266667  1.000000  1.000000  0.457627  0.000000     3.398712
6   14      3   lury  woman  1.000000  0.900000  0.727273  0.000000  0.322034  0.260274     3.209581
7   21      1   facy    man  0.000000  0.600000  0.909091  0.553191  0.000000  0.369863     2.432145
>>> bins=[df1.total_score.min()-1,3,4,df1.total_score.max()+1]
>>> label=['common','good','perfect']
>>> df1_list=pd.cut(df1.total_score,bins,right=False,labels=label)
>>> df1['catalogy']=df1_list
>>> 
>>> df1
   num  class   name    sex   english    ...         math   possity     space  total_score  catalogy
0   10      1   mary  woman  0.581395    ...     0.797872  0.406780  0.602740     4.176666   perfect
1   28      1   land    man  0.581395    ...     0.744681  0.372881  0.671233     2.521706    common
2   15      2   asnx    man  0.581395    ...     0.797872  0.915254  1.000000     4.412704   perfect
3   18      4  david    man  0.813953    ...     0.904255  1.000000  0.561644     4.946519   perfect
4   19      2    gry  woman  0.813953    ...     0.000000  0.474576  0.876712     2.165242    common
5   20      2  kitty  woman  0.674419    ...     1.000000  0.457627  0.000000     3.398712      good
6   14      3   lury  woman  1.000000    ...     0.000000  0.322034  0.260274     3.209581      good
7   21      1   facy    man  0.000000    ...     0.553191  0.000000  0.369863     2.432145    common

以上便是简单的数据处理内容了。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,732评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,496评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,264评论 0 338
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,807评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,806评论 5 368
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,675评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,029评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,683评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 41,704评论 1 299
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,666评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,773评论 1 332
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,413评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,016评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,978评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,204评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,083评论 2 350
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,503评论 2 343

推荐阅读更多精彩内容