06 pandas回顧 檔案的讀取read_excel、索引與切片(loc、iloc)、過濾、刪除、級聯、對映、排序、分組 的詳細例子
pandas回顧 1 檔案的讀取 索引與切片
文章目錄
import numpy as np
import pandas as pd
from pandas import Series,DataFrame
讀取包含多層級索引的excel,使用header引數,header = [index1,index2…] 多層級使用,index1…index2表示多級索引的行, header = None 無列標籤時使用
pd.read_excel('業務表.xlsx',header=[0,1])
城市 | 上半年 | 下半年 | ||||
---|---|---|---|---|---|---|
90# | 93# | 97# | 90# | 93# | 97# | |
成都 | 8000 | 9000 | 3000 | 9000 | 10000 | 3200 |
綿陽 | 5600 | 7000 | 1600 | 5800 | 8000 | 2100 |
汶川 | 4000 | 5000 | 2000 | 4600 | 7800 | 1700 |
攀枝花 | 3200 | 4500 | 1000 | 3400 | 3800 | 2000 |
sheet_name 用於指定表格當中sheet的編號,0表示sheet1,1表示sheet2。。。,index_col 表示以哪一列作為行索引
sheet2 = pd.read_excel('業務表.xlsx',sheet_name=1,header=None,index_col=0)
sheet2
0 | 1 | 2 | 3 | 4 | 5 | 6 |
---|---|---|---|---|---|---|
成都 | 8000 | 9000 | 3000 | 9000 | 10000 | 3200 |
綿陽 | 5600 | 7000 | 1600 | 5800 | 8000 | 2100 |
汶川 | 4000 | 5000 | 2000 | 4600 | 7800 | 1700 |
攀枝花 | 3200 | 4500 | 1000 | 3400 | 3800 | 2000 |
# 設定某一列為行索引,結果與上面index_col結果一致
# sheet2.set_index(0)
# 把行索引設定為新的列
sheet2.reset_index()
0 | 1 | 2 | 3 | 4 | 5 | 6 | |
---|---|---|---|---|---|---|---|
0 | 成都 | 8000 | 9000 | 3000 | 9000 | 10000 | 3200 |
1 | 綿陽 | 5600 | 7000 | 1600 | 5800 | 8000 | 2100 |
2 | 汶川 | 4000 | 5000 | 2000 | 4600 | 7800 | 1700 |
3 | 攀枝花 | 3200 | 4500 | 1000 | 3400 | 3800 | 2000 |
column = pd.MultiIndex.from_product([['上半年','下半年'],['90#','93#','97#']])
# 使用dataFrame的columns屬性,來對錶格索引重新賦值
sheet2.columns = column
sheet2
上半年 | 下半年 | |||||
---|---|---|---|---|---|---|
0 | 90# | 93# | 97# | 90# | 93# | 97# |
成都 | 8000 | 9000 | 3000 | 9000 | 10000 | 3200 |
綿陽 | 5600 | 7000 | 1600 | 5800 | 8000 | 2100 |
汶川 | 4000 | 5000 | 2000 | 4600 | 7800 | 1700 |
攀枝花 | 3200 | 4500 | 1000 | 3400 | 3800 | 2000 |
多級索引的賦值使用如下方法
sheet2.loc['成都',('上半年','90#')] = 8900
# 這種屬於跨級訪問,相當於對sheet2['上半年']產生的臨時物件賦值 不推薦使用
sheet2['上半年'].loc['成都','90#'] = 18000
多級索引賦值還可以採用如下辦法
sheet2_copy = sheet2['上半年'].copy()
sheet2_copy.loc['成都','90#'] = 9700
sheet2['上半年'] = sheet2_copy
sheet2
上半年 | 下半年 | |||||
---|---|---|---|---|---|---|
0 | 90# | 93# | 97# | 90# | 93# | 97# |
成都 | 9700 | 9000 | 3000 | 9000 | 10000 | 3200 |
綿陽 | 5600 | 7000 | 1600 | 5800 | 8000 | 2100 |
汶川 | 4000 | 5000 | 2000 | 4600 | 7800 | 1700 |
攀枝花 | 3200 | 4500 | 1000 | 3400 | 3800 | 2000 |
sheet2_copy
0 | 90# | 93# | 97# |
---|---|---|---|
成都 | 9700 | 9000 | 3000 |
綿陽 | 5600 | 7000 | 1600 |
汶川 | 4000 | 5000 | 2000 |
攀枝花 | 3200 | 4500 | 1000 |
顯式訪問
- 訪問元素
sheet2_copy.loc['綿陽']['97#']
sheet2_copy['97#'].loc['綿陽']
sheet2_copy.loc['綿陽','97#']
前面兩種只限於訪問,不能複製,都屬於跨級訪問
- 訪問行
sheet2_copy.loc['行索引']
sheet2_copy.loc[index1:index2]
- 訪問列
sheet2_copy['列索引']
sheet2_copy.loc[:,column1:column2]
# dataframe的列切片要從行的方向著手
sheet2_copy.loc[:,'93#':'97#']
0 | 93# | 97# |
---|---|---|
成都 | 9000 | 3000 |
綿陽 | 7000 | 1600 |
汶川 | 5000 | 2000 |
攀枝花 | 4500 | 1000 |
sheet2_copy.loc['成都':'汶川','90#':'97#']
0 | 90# | 93# | 97# |
---|---|---|---|
成都 | 9700 | 9000 | 3000 |
綿陽 | 5600 | 7000 | 1600 |
汶川 | 4000 | 5000 | 2000 |
隱式訪問
1.訪問元素
sheet2_copy.iloc[indexnumber,columnnumber]
2.訪問行、行切片
sheet2_copy.iloc[0]
sheet2_copy.iloc[0:2]
3.訪問列、列切片
sheet2_copy.iloc[:,0]
sheet2_copy.iloc[:,0:2]
index=['tom','jack','mery','lucy','lili'],
columns=['python','java','php'])
pandas回顧 2 合併與級聯
score
python | java | php | |
---|---|---|---|
tom | 44 | 35 | 14 |
jack | 44 | 80 | 10 |
mery | 31 | 97 | 2 |
lucy | 46 | 34 | 31 |
lili | 13 | 69 | 25 |
score.loc['tom','java'] = None
score
python | java | php | |
---|---|---|---|
tom | 44 | NaN | 14 |
jack | 44 | 80.0 | 10 |
mery | 31 | 97.0 | 2 |
lucy | 46 | 34.0 | 31 |
lili | 13 | 69.0 | 25 |
pandas的聚合操作會自動優化空值,pandas是一種更貼合業務需求的資料結構
score.sum()
結果為:
python 178.0
java 280.0
php 82.0
dtype: float64
score2 = np.random.randint(0,100,size=(5,3))
score2.sum(axis=0)
結果為:
array([185, 298, 269])
score3 = np.float32(score2)
score3[0,0] = np.nan
score3.sum()
結果為:nan
np.nansum(score3)
結果為:700.0
score.values
結果為:
array([[44., nan, 14.],
[44., 80., 10.],
[31., 97., 2.],
[46., 34., 31.],
[13., 69., 25.]])
table1 = pd.read_excel('關係表.xlsx',sheet_name=1)
table2 = pd.read_excel('關係表.xlsx',sheet_name=2)
table3 = pd.read_excel('關係表.xlsx',sheet_name=3)
table4 = pd.read_excel('關係表.xlsx',sheet_name=4)
table1
手機型號 | 重量 | |
---|---|---|
0 | windowsPhone | 0.50 |
1 | iPhone | 0.40 |
2 | Android | 0.45 |
3 | other | 0.60 |
table2
經銷商 | 發貨地區 | 手機型號 | |
---|---|---|---|
0 | pegge | beijing | iPhone |
1 | lucy | beijing | Android |
2 | tom | guangzhou | iPhone |
3 | petter | shenzhen | windowsPhone |
4 | mery | guangzhou | Android |
table3
發貨地區 | 手機型號 | 價格 | |
---|---|---|---|
0 | beijing | iPhone | 7000 |
1 | beijing | windowsPhone | 2300 |
2 | beijing | Android | 3600 |
3 | guangzhou | iPhone | 7600 |
4 | guangzhou | windowsPhone | 2800 |
5 | guangzhou | Android | 4200 |
6 | shenzhen | iPhone | 7400 |
7 | shenzhen | windowsPhone | 2750 |
8 | shenzhen | Android | 3900 |
table4
型號 | 價格 | |
---|---|---|
0 | iPhone | 7000 |
1 | windowsPhone | 2300 |
2 | Android | 3600 |
3 | iPhone | 7600 |
4 | windowsPhone | 2800 |
5 | Android | 4200 |
6 | iPhone | 7400 |
7 | windowsPhone | 2750 |
8 | Android | 3900 |
pd.merge(table1,table2)
手機型號 | 重量 | 經銷商 | 發貨地區 | |
---|---|---|---|---|
0 | windowsPhone | 0.50 | petter | shenzhen |
1 | iPhone | 0.40 | pegge | beijing |
2 | iPhone | 0.40 | tom | guangzhou |
3 | Android | 0.45 | lucy | beijing |
4 | Android | 0.45 | mery | guangzhou |
一對多合併
pd.merge(table1,table3)
手機型號 | 重量 | 發貨地區 | 價格 | |
---|---|---|---|---|
0 | windowsPhone | 0.50 | beijing | 2300 |
1 | windowsPhone | 0.50 | guangzhou | 2800 |
2 | windowsPhone | 0.50 | shenzhen | 2750 |
3 | iPhone | 0.40 | beijing | 7000 |
4 | iPhone | 0.40 | guangzhou | 7600 |
5 | iPhone | 0.40 | shenzhen | 7400 |
6 | Android | 0.45 | beijing | 3600 |
7 | Android | 0.45 | guangzhou | 4200 |
8 | Android | 0.45 | shenzhen | 3900 |
pd.merge(table3,table4,on='手機型號',suffixes=['_A','_B'])
replace 替換值
rename 熱換索引
map 對映一行或一列,通常是一列
table5 = table1.rename(columns={'手機型號':'型號'})
table5
型號 | 參考價格 | |
---|---|---|
0 | windowsPhone | 2500 |
1 | iPhone | 7500 |
2 | Android | 4000 |
pd.merge(table5,table2,left_on='型號',right_on='手機型號')
型號 | 重量 | 經銷商 | 發貨地區 | 手機型號 | |
---|---|---|---|---|---|
0 | windowsPhone | 0.50 | petter | shenzhen | windowsPhone |
1 | iPhone | 0.40 | pegge | beijing | iPhone |
2 | iPhone | 0.40 | tom | guangzhou | iPhone |
3 | Android | 0.45 | lucy | beijing | Android |
4 | Android | 0.45 | mery | guangzhou | Android |
table6 = table1.set_index('手機型號')
I
手機型號 | 重量 |
windowsPhone | 0.50 |
iPhone | 0.40 |
Android | 0.45 |
other | 0.60 |
right_index bool 設定是否參考索引進行合併
pd.merge(table2,table6,right_index=True,left_on='手機型號')
手機型號 | 重量 | 參考價格 | |
---|---|---|---|
0 | windowsPhone | 0.50 | 2500 |
1 | iPhone | 0.40 | 7500 |
2 | Android | 0.45 | 4000 |
級聯
df1 = DataFrame(data=np.random.randint(0,100,size=(3,3)),
index=list('012'),columns=list('ABC'))
df1
A | B | C | |
---|---|---|---|
0 | 71 | 1 | 54 |
1 | 41 | 78 | 40 |
2 | 23 | 49 | 68 |
df2 = DataFrame(data=np.random.randint(0,100,size=(5,5)),
index=list('01234'),columns=list('ABCDE'))
df2
A | B | C | D | E | |
---|---|---|---|---|---|
0 | 25 | 98 | 53 | 61 | 35 |
1 | 90 | 91 | 51 | 78 | 79 |
2 | 56 | 34 | 2 | 71 | 28 |
3 | 6 | 61 | 44 | 11 | 48 |
4 | 46 | 0 | 60 | 6 | 9 |
pd.concat((df1,df2),join='outer',axis=1,join_axes=[pd.Index(['1','2'])])
A | B | C | A | B | C | D | E | |
---|---|---|---|---|---|---|---|---|
1 | 41 | 78 | 40 | 90 | 91 | 51 | 78 | 79 |
2 | 23 | 49 | 68 | 56 | 34 | 2 | 71 | 28 |
pd.concat((df1,df2),join='outer',axis=1,join_axes=[df2.index])
A | B | C | A | B | C | D | E | |
---|---|---|---|---|---|---|---|---|
0 | 71.0 | 1.0 | 54.0 | 25 | 98 | 53 | 61 | 35 |
1 | 41.0 | 78.0 | 40.0 | 90 | 91 | 51 | 78 | 79 |
2 | 23.0 | 49.0 | 68.0 | 56 | 34 | 2 | 71 | 28 |
3 | NaN | NaN | NaN | 6 | 61 | 44 | 11 | 48 |
4 | NaN | NaN | NaN | 46 | 0 | 60 | 6 | 9 |
儘量不要破壞列索引
pd.concat((df1,df2),join='outer',axis=1,join_axes=[df2.index],ignore_index=True)
0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | |
---|---|---|---|---|---|---|---|---|
0 | 71.0 | 1.0 | 54.0 | 25 | 98 | 53 | 61 | 35 |
1 | 41.0 | 78.0 | 40.0 | 90 | 91 | 51 | 78 | 79 |
2 | 23.0 | 49.0 | 68.0 | 56 | 34 | 2 | 71 | 28 |
3 | NaN | NaN | NaN | 6 | 61 | 44 | 11 | 48 |
4 | NaN | NaN | NaN | 46 | 0 | 60 | 6 | 9 |
pd.concat((df1,df2),join='outer',axis=1,join_axes=[df2.index],keys=['上學期','下學期'])
上學期 | 下學期 | |||||||
---|---|---|---|---|---|---|---|---|
A | B | C | A | B | C | D | E | |
0 | 71.0 | 1.0 | 54.0 | 25 | 98 | 53 | 61 | 35 |
1 | 41.0 | 78.0 | 40.0 | 90 | 91 | 51 | 78 | 79 |
2 | 23.0 | 49.0 | 68.0 | 56 | 34 | 2 | 71 | 28 |
3 | NaN | NaN | NaN | 6 | 61 | 44 | 11 | 48 |
4 | NaN | NaN | NaN | 46 | 0 | 60 | 6 | 9 |
總結·
級聯引數
- axis 軸向 0~1
- join 級聯方式 inner outer
- join_axes [pd.Index([index1,index2…])] 指定索引為連線物件
- ignore_index True\False 開啟是否忽略索引
- keys 設定級聯後分割槽的名稱
合併引數
- on label,[label1,label2…] 設定合併參考列
- left_on\right_on label分別設定左右兩個表的合併參考列,一般用於不存在相同列標籤的情況
- left_index\right_index True,False 分別設定是否開啟以左\右行索引作為合併參考列
- how 指定合併方式 inner outer left right
- suffiex [suffiex1,suffiex2] 設定沒有參與合併的相同的列標籤的字尾
pandas回顧 3 資料處理 過濾 刪除 排序
score = DataFrame(data = np.random.randint(0,100,size=(5,3)),
index=['tom','jack','mery','lucy','lili'],
columns=['python','java','php'])
score
python | java | php | |
---|---|---|---|
tom | 0 | 25 | 25 |
jack | 67 | 52 | 69 |
mery | 75 | 50 | 24 |
lucy | 15 | 29 | 27 |
lili | 3 | 8 | 79 |
- score.drop 刪除一行或一列
- label 指定刪除的行或列標籤(也可以是列表)
- axis 改變刪除的方向
- score.drop_duplicates 刪除重複元素
- keep ‘first’,‘last’,保留第一個或者最後一個
- score.dropna 刪除空值
- axis 軸向
- how ‘any’,‘all’,有一個就刪除或者全部為nan才刪除
刪除
刪除列
score.drop(labels='python',axis=1)
java | php | |
---|---|---|
tom | 25 | 25 |
jack | 52 | 69 |
mery | 50 | 24 |
lucy | 29 | 27 |
lili | 8 | 79 |
刪除行
score.drop(labels='tom',axis=0)
python | java | php | |
---|---|---|---|
jack | 67 | 52 | 69 |
mery | 75 | 50 | 24 |
lucy | 15 | 29 | 27 |
lili | 3 | 8 | 79 |
score.loc['lucy'] = score.loc['tom']
score.loc['lili'] = score.loc['tom']
score
python | java | php | |
---|---|---|---|
tom | 0 | 25 | 25 |
jack | 67 | 52 | 69 |
mery | 75 | 50 | 24 |
lucy | 0 | 25 | 25 |
lili | 0 | 25 | 25 |
檢查重複行
index = score.duplicated(keep='last')
index
結果為:
tom True
jack False
mery False
lucy True
lili False
dtype: bool
獲取重複元素的索引
drop_index = score.loc[index].index
結果為:
Index(['tom', 'lucy'], dtype='object')
根據索引刪除重複的行
score.drop(drop_index)
python | java | php | |
---|---|---|---|
jack | 67 | 52 | 69 |
mery | 75 | 50 | 24 |
lili | 0 | 25 | 25 |
score.drop_duplicates(keep='last')
python | java | php | |
---|---|---|---|
jack | 67 | 52 | 69 |
mery | 75 | 50 | 24 |
lili | 0 | 25 | 25 |
刪除值為空的元素
score.loc['jack','python'] = None
python | java | php | |
---|---|---|---|
tom | 0.0 | 25 | 25 |
jack | NaN | 52 | 69 |
mery | 75.0 | 50 | 24 |
lucy | 0.0 | 25 | 25 |
lili | 0.0 | 25 | 25 |
score.dropna(axis=1,how='all')
python | java | php | |
---|---|---|---|
tom | 0.0 | 25 | 25 |
jack | NaN | 52 | 69 |
mery | 75.0 | 50 | 24 |
lucy | 0.0 | 25 | 25 |
lili | 0.0 | 25 | 25 |
新增一個學科
score['c++'] = np.random.randint(0,100,size=5)
score
python | java | php | c++ | |
---|---|---|---|---|
tom | 0.0 | 25 | 25 | 6 |
jack | NaN | 52 | 69 | 87 |
mery | 75.0 | 50 | 24 | 19 |
lucy | 0.0 | 25 | 25 | 27 |
lili | 0.0 | 25 | 25 | 17 |
map是Sereis物件的函式,不是DataFrame的
score['c++'].map(lambda x:x+10)
結果為:
tom 16
jack 97
mery 29
lucy 37
lili 27
Name: c++, dtype: int64
對映關係 字典\lmabda\function
score['sex'] = ['boy','boy','gril','gril','boy']
score.dtypes
結果為:
python float64
java int32
php int32
c++ int32
sex object
dtype: object
def sex_transform(x):
if x == 'boy':
return 1
else:
return 0
score['sex'] = score['sex'].map(sex_transform)
score.dtypes
結果為:
python float64
java int32
php int32
c++ int32
sex int64
dtype: object
異常值檢測和過濾
- 確定過濾條件 bool_list
- 使用過濾條件篩選符合條件的資料
- 獲取符合條件的索引標籤
- 使用drop函式,通過索引標籤把異常值刪除
data = DataFrame(data = np.random.randn(1000,3))
data.head()
0 | 1 | 2 | |
---|---|---|---|
0 | -0.009128 | -0.344595 | 0.817780 |
1 | 1.970853 | -0.525745 | -1.222032 |
2 | -0.298042 | 0.834860 | -0.862041 |
3 | 0.063863 | -0.972073 | 0.746626 |
4 | -0.286017 | 1.686189 | 0.325281 |
data.std()
結果為:
0 0.992051
1 1.004347
2 1.005172
dtype: float64
假設大於3*std的資料即為異常資料
condition = np.abs(data) > 3*data.std()
獲取包含空值的行,相當於確認了滿足條件的資料樣本
drop_datas = data[condition.any(axis=1)]
獲取符合條件的索引
drop_index = drop_datas.index
drop_index
結果為:
Int64Index([74, 89, 143, 183, 285, 821], dtype='int64')
根據索引刪除符合條件的資料
data.drop(drop_index,inplace=True)
data.shape
結果為:
(993, 3)
即刪除了七條不符合條件的元素
排序
numpy特性之一,可以用索引列表來對資料進行重新排序
a = np.array(['boy','girl'])
b = [0,1,0,0,0,1,1,0]
a[b]
結果為:
array(['boy', 'girl', 'boy', 'boy', 'boy', 'girl', 'girl', 'boy'],
dtype='<U4')
df = DataFrame(data = np.random.randint(0,100,size=(5,5)),
index = list('甲乙丙丁戊'),columns = list('ABCDE'))
df
A | B | C | D | E | |
---|---|---|---|---|---|
甲 | 72 | 32 | 54 | 69 | 24 |
乙 | 43 | 26 | 29 | 93 | 52 |
丙 | 76 | 65 | 71 | 43 | 10 |
丁 | 30 | 53 | 45 | 11 | 73 |
戊 | 81 | 86 | 47 | 11 | 10 |
df.take([1,1,1,3,4],axis=1)
B | B | B | D | E | |
---|---|---|---|---|---|
甲 | 32 | 32 | 32 | 69 | 24 |
乙 | 26 | 26 | 26 | 93 | 52 |
丙 | 65 | 65 | 65 | 43 | 10 |
丁 | 53 | 53 | 53 | 11 | 73 |
戊 | 86 | 86 | 86 | 11 | 10 |
take函式結合此方法,可以對資料進行隨機排序
random_index = np.random.permutation(5)
df.take(random_index,axis=1)
E | A | D | C | B | |
---|---|---|---|---|---|
甲 | 24 | 72 | 69 | 54 | 32 |
乙 | 52 | 43 | 93 | 29 | 26 |
丙 | 10 | 76 | 43 | 71 | 65 |
丁 | 73 | 30 | 11 | 45 | 53 |
戊 | 10 | 81 | 11 | 47 | 86 |
take函式也可以結合random.randint進行隨機抽樣
random_index = np.random.randint(0,5,size=2)
df.take(random_index,axis=1)
D | A | |
---|---|---|
甲 | 69 | 72 |
乙 | 93 | 43 |
丙 | 43 | 76 |
丁 | 11 | 30 |
戊 | 11 | 81 |
資料分類處理
彙總 交叉表 透視表
分類–聚合–合併
一般 非數字型別作為分類標籤,數值型別不作為分類標籤
連續型\數值型不能作為分類標籤的,(1.2,2.4,5,6,6.7,…)
離散型\標稱型才可以作為分類標籤(red,blue,orange)
df = DataFrame({'color':['white','red','green','red'],
'item':['ball','mug','pen','pencil'],
'price':np.random.rand(4),
'weight':np.random.rand(4)})
df.dtypes
按照顏色劃分的總重量
df.groupby('color').sum()['weight']
結果為:
color
green 0.704648
red 0.985205
white 0.232294
Name: weight, dtype: float64
groups = df.groupby('color')
groups.groups
結果為:
{'green': Int64Index([2], dtype='int64'),
'red': Int64Index([1, 3], dtype='int64'),
'white': Int64Index([0], dtype='int64')}
groups['weight'].sum()
結果為:
color
green 0.704648
red 0.985205
white 0.232294
Name: weight, dtype: float64
按照多個條件分組
df.groupby(['color','item']).sum()['weight']
結果為:
color item
green pen 0.704648
red mug 0.056610
pencil 0.928595
white ball 0.232294
Name: weight, dtype: float64
可以接受可迭代函式
df.groupby('color')['weight'].apply(np.sum)
結果為:
color
green 0.704648
red 0.985205
white 0.232294
Name: weight, dtype: float64
map函式不接受可迭代函式
df['color'].map(lambda x:x+'10')
結果為:
0 white10
1 red10
2 green10
3 red10
Name: color, dtype: object
練習:美國選舉政治獻金
usa_data = pd.read_csv('usa_election.txt',low_memory=False)
usa_data.shape
結果為:
(536041, 16)
usa_data.head(1)
cmte_id | cand_id | cand_nm | contbr_nm | contbr_city | contbr_st | contbr_zip | contbr_employer | contbr_occupation | contb_receipt_amt | contb_receipt_dt | receipt_desc | memo_cd | memo_text | form_tp | file_num | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
0 | C00410118 | P20002978 | Bachmann, Michelle | HARVEY, WILLIAM | MOBILE | AL | 366010290 | RETIRED | RETIRED | 250.0 | 20-JUN-11 | NaN | NaN | NaN | SA17A | 736166 |
months = {'JAN' : 1, 'FEB' : 2, 'MAR' : 3, 'APR' : 4, 'MAY' : 5, 'JUN' : 6,
'JUL' : 7, 'AUG' : 8, 'SEP' : 9, 'OCT': 10, 'NOV': 11, 'DEC' : 12}
# 黨派資訊
parties = {
'Bachmann, Michelle': 'Republican',
'Romney, Mitt': 'Republican',
'Obama, Barack': 'Democrat',
"Roemer, Charles E. 'Buddy' III": 'Reform',
'Pawlenty, Timothy': 'Republican',
'Johnson, Gary Earl': 'Libertarian',
'Paul, Ron': 'Republican',
'Santorum, Rick': 'Republican',
'Cain, Herman': 'Republican',
'Gingrich, Newt': 'Republican',
'McCotter, Thaddeus G': 'Republican',
'Huntsman, Jon': 'Republican',
'Perry, Rick': 'Republican'
}months = {'JAN' : 1, 'FEB' : 2, 'MAR' : 3, 'APR' : 4, 'MAY' : 5, 'JUN' : 6,
usa_data['party'] = usa_data['cand_nm'].map(parties)
usa_data.head(1)
cmte_id | cand_id | cand_nm | contbr_nm | contbr_city | contbr_st | contbr_zip | contbr_employer | contbr_occupation | contb_receipt_amt | contb_receipt_dt | receipt_desc | memo_cd | memo_text | form_tp | file_num | party | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
0 | C00410118 | P20002978 | Bachmann, Michelle | HARVEY, WILLIAM | MOBILE | AL | 366010290 | RETIRED | RETIRED | 250.0 | 20-JUN-11 | NaN | NaN | NaN | SA17A | 736166 | Republican |
檢視一共有4個黨派參與競選
usa_data['party'].unique()
結果為:
array(['Republican', 'Democrat', 'Reform', 'Libertarian'], dtype=object)
檢視各個黨派收到政治獻金的次數
usa_data['party'].value_counts()
結果為:
Democrat 292400
Republican 237575
Reform 5364
Libertarian 702
Name: party, dtype: int64
檢視每一個黨派收到的政治獻金總數,可以看出哪個黨派更受歡迎
黨派 party 政治獻金 contb_receipt_amt
usa_data.groupby('party').sum()['contb_receipt_amt']
結果為:
party
Democrat 8.105758e+07
Libertarian 4.132769e+05
Reform 3.390338e+05
Republican 1.192255e+08
Name: contb_receipt_amt, dtype: float64
檢視各個黨派所支援的職業 職業 contbr_occupation
DataFrame(usa_data.groupby(['party','contbr_occupation']).sum()['contb_receipt_amt'])
檢視各個競選者所支援的職業及職業政治獻金總數
DataFrame(usa_data.groupby(['cand_nm','contbr_occupation']).sum()['contb_receipt_amt'])
檢視各黨派每天收到政治獻金總數
時間contb_receipt_dt
DataFrame(usa_data.groupby(['party','contb_receipt_dt']).sum()['contb_receipt_amt'])
對時間形式進行處理並排序,使用如下函式對標準時間格式的字串進行轉換
pd.to_datetime('20-JUN-11')
結果為:
Timestamp('2011-06-20 00:00:00')
定義一個用於轉換時間格式的函式
def transform_date(date):
# 20-JUN-11
day,mon,year = date.split('-')
month = months[mon]
return "20{}-{}-{}".format(year,month,day)
測試函式是否可用
pd.to_datetime(transform_date('20-JUN-11'))
結果為:
Timestamp('2011-06-20 00:00:00')
usa_data['contb_receipt_dt'] = usa_data['contb_receipt_dt'].map(transform_date)
或者直接用to_datetime函式轉換
usa_data['contb_receipt_dt'] = pd.to_datetime(usa_data['contb_receipt_dt'])
檢視資料型別,確認時間格式轉換成功
usa_data.dtypes
結果為:
contb_receipt_dt datetime64[ns]
跟據日期對錶格進行排序sort_values函式
usa_data.sort_values('contb_receipt_dt',inplace=True)
檢視排序後的各個政黨每天收到的政治獻金
sort_data = DataFrame(usa_data.groupby(['party','contb_receipt_dt']).sum()['contb_receipt_amt'])
將縱座標party換為橫座標
sort_data1 = sort_data.unstack('party',fill_value=0)
plot繪製線性圖(描述資料的變化趨勢)
%matplotlib inline
sort_data1.cumsum().plot()
時間作為列,黨派作為行來觀察
sort_data1.stack('party').unstack('contb_receipt_dt')
根據職業,過濾出老兵的所有資料
VETERAN = usa_data[usa_data['contbr_occupation'] == 'DISABLED VETERAN']
可以看出Obama最受老兵歡迎
soldier = VETERAN.groupby(['cand_nm']).sum()['contb_receipt_amt']
soldier.reset_index()
cand_nm | contb_receipt_amt | |
---|---|---|
0 | Cain, Herman | 300.00 |
1 | Obama, Barack | 4205.00 |
2 | Paul, Ron | 2425.49 |
3 | Santorum, Rick | 250.00 |
查詢出政治獻金最多的人 職業等
usa_data['contb_receipt_amt'].max()
結果為:
1944042.43
方法一
usa_data[usa_data['contb_receipt_amt'] == 1944042.43]
方法二
usa_data.query("contb_receipt_amt == 1944042.43")
相關文章
- Java 檔案處理完全指南:建立、讀取、寫入和刪除檔案詳細解析Java
- Asp.net(C#)對檔案操作的方法(讀取,刪除,批量拷貝,刪除...)ASP.NETC#
- VB讀取文字檔案的例子:逐行讀取
- 05-1 pandas資料處理 刪除duplicated()、替換replace(),對映map(),重新命名rename()、聚合函式、排序take()、分組groupby()函式排序
- pandas的基礎使用,資料庫連線,檔案讀取,切片的使用等基本操作----01資料庫
- RocketMQ -- 過期檔案的刪除MQ
- Elasticsearch 索引的對映配置詳解Elasticsearch索引
- 【REDO】刪除聯機重做日誌檔案組的注意事項
- Cache與主存之間的直接對映,全相聯對映和組項聯對映以及其地址變換
- 索引器的妙用,讀取配置檔案索引
- git 查詢大檔案、刪除大檔案詳細步驟Git
- 刪除日誌檔案組與日誌檔案成員
- ERP基礎檔案管理模組中實現多級分類檔案級聯刪除技術 (轉)
- kafka-- 過期檔案的刪除Kafka
- windows下刪除過期的檔案Windows
- 級聯刪除
- 【REDO】刪除REDO LOG重做日誌組後需要手工刪除對應的日誌檔案
- Mysql索引的建立與刪除MySql索引
- HDFS讀檔案過程分析:獲取檔案對應的Block列表BloC
- LINQ簡明教程:資料排序、分組、過濾排序
- asp.net 對xml檔案的讀寫,新增,修改,刪除操作ASP.NETXML
- 【REDO】刪除聯機重做日誌檔案組成員的注意事項
- 檔案的刪除
- Pandas 分組聚合操作詳解
- 針對字尾刪除檔案的方法
- oracle中的級聯刪除(轉)Oracle
- Pandas - DataFrame.loc
- Android的.so檔案詳細解讀Android
- pandas讀 .sql檔案SQL
- [MYSQL -13]過濾分組MySql
- Android中讀取assets目錄下的檔案詳細介紹Android
- pandas筆記(一)-- 大的國家(邏輯索引、切片)筆記索引
- HDFS讀檔案過程分析:讀取檔案的Block資料BloC
- 刪除指定日期內的過期檔案
- 源資料檔案(.csv)中的空格串和空串對pandas讀取結果的影響
- JN專案-觸發器級聯刪除觸發器
- ES讀取Json檔案新增索引JSON索引
- Java 新增 、讀取以及刪除PPT幻燈片中的視訊、音訊檔案Java音訊