当前位置：首页 > 编程日记 > 正文

20个案例详解 Pandas 当中的数据统计分析与排序

编程日记 2024-10-29 02:00:00

作者 | 俊欣

来源 | 关于数据分析与可视化

今天小编来给大家讲一下Pandas模块当中的数据统计与排序，说到具体的就是value_counts()方法以及sort_values()方法。

value_counts()方法，顾名思义，主要是用于计算各个类别出现的次数的，而sort_values()方法则是对数值来进行排序，当然除了这些，还有很多大家不知道的衍生的功能等待被挖掘，下面小编就带大家一个一个的说过去。

导入模块并且读取数据库

我们这次用到的数据集是“非常有名”的泰坦尼克号的数据集，该数据源能够在很多平台上都能够找得到

import pandas as pd
df = pd.read_csv("titanic_train.csv")
df.head()

output

常规的用法

首先我们来看一下常规的用法，代码如下

df['Embarked'].value_counts()

output

S    644
C    168
Q     77
Name: Embarked, dtype: int64

下面我们简单来介绍一下value_counts()方法当中的参数，

DataFrame.value_counts(subset=None,normalize=False,sort=True,ascending=False,dropna=True)

常用到参数的具体解释为：

subset: 表示根据什么字段或者索引来进行统计分析
normalize: 返回的是比例而不是频次
ascending: 降序还是升序来排
dropna: 是否需要包含有空值的行

对数值进行排序

上面返回的结果是按照从大到小来进行排序的，当然我们也可以反过来，从小到大来进行排序，代码如下

df['Embarked'].value_counts(ascending=True)

output

Q     77
C    168
S    644
Name: Embarked, dtype: int64

对索引的字母进行排序

同时我们也可以对索引，按照字母表的顺序来进行排序，代码如下

df['Embarked'].value_counts(ascending=True).sort_index(ascending=True)

output

C    168
Q     77
S    644
Name: Embarked, dtype: int64

当中的ascending=True指的是升序排序

包含对空值的统计

默认的是value_counts()方法不会对空值进行统计，那要是我们也希望对空值进行统计的话，就可以加上dropna参数，代码如下

df['Embarked'].value_counts(dropna=False)

output

S      644
C      168
Q       77
NaN      2
Name: Embarked, dtype: int64

百分比式的数据统计

我们可以将数值的统计转化成百分比式的统计，可以更加直观地看到每一个类别的占比，代码如下

df['Embarked'].value_counts(normalize=True)

output

S    0.724409
C    0.188976
Q    0.086614
Name: Embarked, dtype: float64

要是我们希望对能够在后面加上一个百分比的符号，则需要在Pandas中加以设置，对数据的展示加以设置，代码如下

pd.set_option('display.float_format', '{:.2%}'.format)
df['Embarked'].value_counts(normalize = True)

output

S   72.44%
C   18.90%
Q    8.66%
Name: Embarked, dtype: float64

当然除此之外，我们还可以这么来做，代码如下

df['Embarked'].value_counts(normalize = True).to_frame().style.format('{:.2%}')

output

Embarked
S 72.44%
C 18.90%
Q 8.66%

连续型数据分箱

和Pandas模块当中的cut()方法相类似的在于，我们这里也可以将连续型数据进行分箱然后再来统计，代码如下

df['Fare'].value_counts(bins=3)

output

(-0.513, 170.776]     871
(170.776, 341.553]     17
(341.553, 512.329]      3
Name: Fare, dtype: int64

我们将Fare这一列同等份的分成3组然后再来进行统计，当然我们也可以自定义每一个分组的上限与下限，代码如下

df['Fare'].value_counts(bins=[-1, 20, 100, 550])

output

(-1.001, 20.0]    515
(20.0, 100.0]     323
(100.0, 550.0]     53
Name: Fare, dtype: int64

分组再统计

pandas模块当中的groupby()方法允许对数据集进行分组，它也可以和value_counts()方法联用更好地来进行统计分析，代码如下

df.groupby('Embarked')['Sex'].value_counts()

output

Embarked  Sex   
C         male       95female     73
Q         male       41female     36
S         male      441female    203
Name: Sex, dtype: int64

上面的代码是针对“Embarked”这一类别下的“Sex”特征进行分组，然后再进一步进行数据的统计分析，当然出来的结果是Series数据结构，要是我们想让Series的数据结果编程DataFrame数据结构，可以这么来做，

df.groupby('Embarked')['Sex'].value_counts().to_frame()

数据集的排序

下面我们来谈一下数据的排序，主要用到的是sort_values()方法，例如我们根据“年龄”这一列来进行排序，排序的方式为降序排，代码如下

df.sort_values("Age", ascending = False).head(10)

output

对行索引重新排序

我们看到排序过之后的DataFrame数据集行索引依然没有变，我们希望行索引依然可以是从0开始依次的递增，就可以这么来做，代码如下

df.sort_values("Age", ascending = False, ignore_index = True).head(10)

output

下面我们简单来介绍一下sort_values()方法当中的参数

DataFrame.sort_values(by, axis=0, ascending=True, inplace=False, kind='quicksort', na_position='last', # last，first；默认是lastignore_index=False, key=None)

常用到参数的具体解释为：

by: 表示根据什么字段或者索引来进行排序，可以是一个或者是多个
axis: 是水平方向排序还是垂直方向排序，默认是垂直方向
ascending: 排序方式，是升序还是降序来排
inplace: 是生成新的DataFrame还是在原有的基础上进行修改
kind: 所用到的排序的算法，有快排quicksort或者是归并排序mergesort、堆排序heapsort等等
ignore_index: 是否对行索引进行重新的排序

对多个字段的排序

我们还可以对多个字段进行排序，代码如下

df.sort_values(["Age", "Fare"], ascending = False).head(10)

output

同时我们也可以对不同的字段指定不同的排序方式，如下

df.sort_values(["Age", "Fare"], ascending = [False, True]).head(10)

output

我们可以看到在“Age”一样的情况下，“Fare”字段是按照升序的顺序来排

自定义排序

我们可以自定义一个函数方法，然后运用在sort_values()方法当中，让其按照自己写的方法来排序，我们看如下的这组数据

df = pd.DataFrame({'product': ['keyboard', 'mouse', 'desk', 'monitor', 'chair'],'category': ['C', 'C', 'O', 'C', 'O'],'year': [2002, 2002, 2005, 2001, 2003],'cost': ['$52', '$24', '$250', '$500', '$150'],'promotion_time': ['20hr', '30hr', '20hr', '20hr', '2hr'],
})

output

当中的“cost”这一列带有美元符号“$”，因此就会干扰排序的正常进行，我们使用lambda方法自定义一个函数方法运用在sort_value()当中

df.sort_values('cost', key=lambda val: val.str.replace('$', '').astype('float64')
)

output

当然我们还可以自定义一个更加复杂一点的函数，并且运用在sort_values()方法当中，代码如下

def sort_by_cost_time(x):if x.name == 'cost':return x.str.replace('$', '').astype('float64')elif x.name == 'promotion_time':return x.str.replace('hr', '').astype('int')else:return xdf.sort_values(['year', 'promotion_time', 'cost'], key=sort_by_cost_time
)

output

还有另外一种情况，例如我们遇到衣服的尺码，XS码、S码、M码、L码又或者是月份，Jan、Feb、Mar、Apr等等，需要我们自己去定义大小，这个时候我们需要用到的是CategoricalDtype

cat_size_order = CategoricalDtype(['XS', 'S', 'M', 'L', 'XL'], ordered=True
)
cat_size_order

output

CategoricalDtype(categories=['XS', 'S', 'M', 'L', 'XL'], ordered=True)

于是针对下面的数据

df = pd.DataFrame({'cloth_id': [1001, 1002, 1003, 1004, 1005, 1006],'size': ['S', 'XL', 'M', 'XS', 'L', 'S'],
})

output

我们将事先定义好的顺序应用到该数据集当中，代码如下

df['size'] = df['size'].astype(cat_size_order)
df.sort_values('size')

output

先通过astype()来转换数据类型，然后再进行排序

往

期

回

顾

技术

全面解析Kmeans聚类算法

资讯

商汤科技上市，开启AI新篇章

技术

2021年有用的数据清洗python库

资讯

这个AI模型火上GitHub热榜

点收藏

点点赞

点在看

https://www.dkcj.cn/info/25101.html

zend studio 8安装与汉化

http://archive.eclipse.org/technology/babel/update-site/R0.8.0/helios正确操作：1、大家可以用这个地址作为更新源（操作：菜单栏中window->property->Installation/update->update 添加这个地址，并打勾） 2、…

编程日记2024/10/29 01:50:00

分享一个电视节目API接口PHP调用代码

央视及各地卫视的电视节目时间表，包括本周及下周的电视节目内容获取电视台分类复制代码获取电视频道复制代码获取电视节目的详情复制代码注意，该示例代码适用于 www.apishop.net网站下API 使用该产品前，您需要通过 https://…

编程日记2024/10/29 01:40:00

用Zend Stuido 的WSDL编辑器

文件->新建->其他->Webservice->WSDL新建WSDL下一步点完成生成如下wsdlTestSoapSoap下面填写php webService 如myservice.phpNewOption:添加方法。WebService里需要提供给别人调用的方法名input ：设置输入参数名和类型output：设置返回值。Ad…

编程日记2024/10/29 01:30:00

坐地铁就能学会的3种非常有趣的 Python 玩法

作者 | 黄伟呢来源 | 数据分析与统计学之美本文说明为什么要学习python？是因为不仅很多工作需要用到python，同时我们可以利用python做很多好玩儿的事儿。比如说下面的3种用法：1.利用python给小猪佩奇换背景色；2.利用python将小猪佩…

编程日记2024/10/29 01:20:00

asp.net input怎么获取值

前台： <input type"hidden" name"content" value"content"> 后台： Request.Form["content"].ToString(); 切记：name不能缺少，id可由可无。>如有问题，请联系我&…

编程日记2024/10/29 01:10:00

koa2 简单了解

为什么80%的码农都做不了架构师？>>> 1.安装 $ nvm install 7 $ npm i koa $ node my-koa-app.js2.简介基于ES7开发的koa2，和koa 1相比，koa2完全使用Promise并配合async来实现异步。 app.use(async (ctx, next) > {await next…

编程日记2024/10/29 01:00:00

亚洲最大的元宇宙平台，体验在豪宅里开party

整理 | 禾木木出品 | AI科技大本营（ID:rgznai100） 想象一下，你刚刚得到了你愿望清单上一直想拥有的生活方式，电视、可提高您生活质量的家用电器以及最新款时尚智能手机。现在，如果我们告诉你可以使用这些创新产品来装…

编程日记2024/10/29 00:50:00

html5知识点补充—hgroup元素的使用

使用hgroup元素组合标题使用新的HTML5元素hgroup，可以为header元素添加更多的信息。这个元素用来对多个相关联的h1~h6标题进行分组。如果你的网站有副标题，可以使用hgroup元素。虽然hgroup是一个有效的分组选项，但是它主要是用来告知文档大…

编程日记2024/10/29 00:40:00

Linux下nginx支持.htaccess文件实现伪静态的方法！

在Google上搜索的资料很多人都说nginx目前不支持.htaccess文件，我按照nginx的规则试验了一下，结果发现nginx是完全支持.htaccess文件的！ 方法如下：1. 在需要使用.htaccess文件的目录下新建一个.htaccess文件，如本人的一…

编程日记2024/10/29 00:30:00

查看mysql的编码格式

1.查看数据库编码格式 show variables like character_set_database; 2.查看数据表的编码格式 show create table <表名>; 3.创建数据库时指定数据库的字符集 create database <数据库名> character set utf8; 4.创建数据表时指定数据表的编码格式 create table tb…

编程日记2024/10/29 00:20:00

undefined reference to `libiconv_open 无法编译PHP libiconv

原文：http://hi.baidu.com/ostech/blog/item/a63f9b0dabed1ae7ab6457d0.html./configure --with-mysql/backup/mysql --with-freetype-dir --with-jpeg-dir --with-png-dir --with-zlib --with-curl --with-gd --enable-gd-native-ttf --with-apxs2/usr/local/apach…

编程日记2024/10/29 00:10:00

Meta 被爆暂停 AR/VR 操作系统项目，元宇宙能否推进？

编译 | 禾木木出品 | AI科技大本营（ID:rgznai100） 据 The Information 的近日报道，Meta 已经停止了一直以来为 AR 和 VR 操作系统的努力。在11月就通知了负责 VR 和 AR 设备的实验室的员工，表示将要停止 XROS 相关的开发工作。 …

编程日记2024/10/29 00:00:00

DevOps：怎么实现源代码注释和系统文档的自动化更新？

【编者按】计算机软件传统定义为：软件是计算机系统中与硬件相依存的另一部分，软件包括程序、数据及其相关文档的完整集合。然而在时下的开发中，文档的合规性往往被忽视的干干净净。本文由 Todd Waits 撰写，讲述应用程序文档化所遭…

编程日记2024/10/28 23:50:00

在Kubernetes v1.8中使用RBAC

Kubernetes 1.8一个重要里程碑是推出了基于角色的访问控制(RBAC)授权，在这个版本中被提升为GA。RBAC是一种控制访问Kubernetes API的机制，因为在1.6中推出beta版，许多Kubernetes集群和配置策略在默认情况下都启用了它。展望未来，我…

编程日记2024/10/28 23:40:00

Java String.substring内存泄露？

2019独角兽企业重金招聘Python工程师标准>>> String可以说是最常用的Java类型之一了，但是最近听说JDK6里面String.substring存在内存泄露的bug，伙惊呆！一起来看看到底是啥情况吧。这个是可以导致Exception in thread "main&…

编程日记2024/10/28 23:30:00

第二弹，坐地铁就能学会的3种「非常有趣」的 Python 玩法

编程日记2024/10/28 23:20:00

php比较长的configure

原先的字串./configure --prefix/usr/local/php --with-apxs2/usr/local/apache2/bin/apxs --enable-zip --enable-calendar --with-mysql/usr/local/mysql --with-pdo-mysql/usr/local/mysql --with-iconv/usr/local/libiconv --with-curl/usr/local/curl --with-gd/usr/local…

编程日记2024/10/28 23:10:00

常规的用法

对数值进行排序

对索引的字母进行排序

百分比式的数据统计

连续型数据分箱

分组再统计

数据集的排序

对行索引重新排序

对多个字段的排序

相关文章：