代码:(统计字符串出现的次数)
import pandas as pd
import numpy as np
df = pd.read_csv('./data/IMDB-Movie-Data.csv')
temp_list = df['Genre'].str.split(',').tolist()
genre_list = list(set([i for j in temp_list for i in j]))
搞出来所有的电影类型,set 去重处理
创建一个全为零的数组
zeros_df = pd.DataFrame(np.zeros((df.shape[0],len(genre_list))),columns=genre_list)
df.shape[0] 规定行,len(genre_list)规定列
当该类型存在时,将0改写为1
for i in range(df.shape[0]):
zeros_df.loc[i,temp_list[i]] = 1
sum_df = zeros_df.sum(axis=0) # 求和
sum_df = sum_df.sort_values() # 排序
画图,选择条形图
import matplotlib.pyplot as plt
plt.figure(figsize=(20,8),dpi=80)
_x = sum_df.index
_y = sum_df.values
plt.xticks(range(len(_x)),_x)
plt.bar(range(len(_x)),_y)
plt.show()
数据合并,join:
join:默认情况下是将行索引相同的数据合并到一起
import numpy as np
import pandas as pd
t_1 = pd.DataFrame(np.zeros((2,4)),index=list('AB'),columns=list('abcd'))
t_2 = pd.DataFrame(np.ones((3,4)),index=list('ABC'),columns=list('xyzo'))
print(t_1)
print(t_2)
print(t_1.join(t_2))
print(t_2.join(t_1))
结果:
merge:
按照指定的列把数据按照一定的方式合并到一起
inner:交集
outer:并集
left:按左
right:按右
pandas分组聚合：
分组：
聚合：
1,在所有国家的数据中统计中国和美国星巴克数量
import pandas as pd
df = pd.read_csv('./starbucks_store_worldwide.csv')
print(df)
分组groupby count() 聚合
groub = df.groupby(by = df['Country']).count()['Brand']
print(groub) # groub代表所有国家星巴克数量
print(groub['US']) # 美国数量
print(groub['CN']) # 中国数量
2，对中国每个省份数量分组聚合
import pandas as pd
df = pd.read_csv('./starbucks_store_worldwide.csv')
china_data = df[df['Country'] == 'CN'] # 中国的数据
groub = china_data.groupby(by='State/Province').count()['Brand']# 从中取所有的省份分组聚合
print(groub)
这里省份用数字代替
3，对国家和省份同时分组（多个字段分组
import pandas as pd
df = pd.read_csv('./starbucks_store_worldwide.csv')
groub = df['Brand'].groupby(by=[df['Country'],df['State/Province']]).count() # count() 求和
df['Brand']中是不包含 Country和State/Province的，所以要从df中取
print(groub)
结果：
这里注意：得到的结果是一个Series类型而不是DATa Frame ，因为我们按照国家和城市两个条件进行分组就会有俩个索引（复合索引），只有Bread一列数据。
需要变成DataFrame类型
groub1 = df[['Brand']].groupby(by=[df['Country'],df['State/Province']]).count() # count()
groub2 = df.groupby(by=[df['Country'],df['State/Province']])[['Brand']].count() # count()
groub3 = df.groupby(by=[df['Country'],df['State/Province']]).count()[['Brand']] # count()
在Bread外多加一个[] （用DataFrame方式 整组一起取）
索引和复合索引：
如何通过复合索引取值：
s.swaplevel()[”]:从内层开始取值
DataFrame取的时候要加上.loc
Original: https://blog.csdn.net/a_Loki/article/details/122548337
Author: a_Loki
Title: 学习笔记 Day 27(pandas)
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/677219/
转载文章受原作者版权保护。转载请注明原作者出处！