这篇文章主要介绍了Pandas如何对Categorical类型字段数据统计实战案例，文章围绕主题展开详细的内容介绍，具有一定的参考价值，需要的小伙伴可以参考一下
一、Pandas如何对Categorical类型字段数据统计
实战场景：对Categorical类型字段数据统计，Categorical类型是Pandas拥有的一种特殊数据类型,这样的类型可以包含基于整数的类别展示和编码的数据
1.1主要知识点
文件读写
基础语法
Pandas
read_csv
实战：
1.2创建 python 文件
import pandas as pd
#读取csv文件
df = pd.read_csv("Telco-Customer-Churn.csv")
# 填充 TotalCharges 的缺失值
median = df["TotalCharges"][df["TotalCharges"] != ' '].median()
df.loc[df["TotalCharges"] == ' ', 'TotalCharges'] = median
df["TotalCharges"] = df["TotalCharges"].astype(float)
# 将分类列转换成 Categorical 类型
number_columns = ['tenure', 'MonthlyCharges', 'TotalCharges']
for column in number_columns: df[column] = df[column].astype(float) #对三列变成float类型
for column in set(df.columns) - set(number_columns): df[column] = pd.Categorical(df[column])
print(df.info())
print(df.describe(include=["category"]))1.3运行结果
RangeIndex: 7043 entries, 0 to 7042 Data columns (total 21 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 customerID 7043 non-null category 1 gender 7043 non-null category 2 SeniorCitizen 7043 non-null category 3 Partner 7043 non-null category 4 Dependents 7043 non-null category 5 tenure 7043 non-null float64 6 PhoneService 7043 non-null category 7 MultipleLines 7043 non-null category 8 InternetService 7043 non-null category 9 OnlineSecurity 7043 non-null category 10 OnlineBackup 7043 non-null category 11 DeviceProtection 7043 non-null category 12 TechSupport 7043 non-null category 13 StreamingTV 7043 non-null category 14 StreamingMovies 7043 non-null category 15 Contract 7043 non-null category 16 PaperlessBilling 7043 non-null category 17 PaymentMethod 7043 non-null category 18 MonthlyCharges 7043 non-null float64 19 TotalCharges 7043 non-null float64 20 Churn 7043 non-null category dtypes: category(18), float64(3) memory usage: 611.1 KB None customerID gender SeniorCitizen Partner ... Contract PaperlessBilling PaymentMethod Churn count 7043 7043 7043 7043 ... 7043 7043 7043 7043 unique 7043 2 2 2 ... 3 2 4 2 top 0002-ORFBO Male 0 No ... Month-to-month Yes Electronic check No freq 1 3555 5901 3641 ... 3875 4171 2365 5174 [4 rows x 18 columns]
二、Pandas如何从股票数据找出收盘价最低行
实战场景：Pandas如何从股票数据找出收盘价最低行
2.1主要知识点
文件读写
基础语法
Pandas
read_csv
2.2创建 python 文件
"""
数据是CSV格式
1、加载到dataframe
2、找出收盘价最低的索引
3、根据索引找出数据行4 打印结果数据行
"""
import pandas as pd
df = pd.read_csv("./00700.HK.csv")
df["Date"] = pd.to_datetime(df["Date"])
df["Year"] = df["Date"].dt.year
df["Month"] = df["Date"].dt.month
print(df)
print(df.groupby("Year")["Close"].mean())
print(df.describe())2.3运行结果
Date Open High Low Close Volume Year Month 0 2021-09-30 456.000 464.600 453.800 461.400 17335451 2021 9 1 2021-09-29 461.600 465.000 450.200 465.000 18250450 2021 9 2 2021-09-28 467.000 476.200 464.600 469.800 20947276 2021 9 3 2021-09-27 459.000 473.000 455.200 464.600 17966998 2021 9 4 2021-09-24 461.400 473.400 456.200 460.200 16656914 2021 9 ... ... ... ... ... ... ... ... ... 4262 2004-06-23 4.050 4.450 4.025 4.425 55016000 2004 6 4263 2004-06-21 4.125 4.125 3.950 4.000 22817000 2004 6 4264 2004-06-18 4.200 4.250 3.950 4.025 36598000 2004 6 4265 2004-06-17 4.150 4.375 4.125 4.225 83801500 2004 6 4266 2004-06-16 4.375 4.625 4.075 4.150 439775000 2004 6 [4267 rows x 8 columns] Year 2004 4.338686 2005 6.568927 2006 15.865951 2007 37.882724 2008 54.818367 2009 96.369679 2010 157.299598 2011 189.737398 2012 228.987045 2013 337.136066 2014 271.291498 2015 144.824291 2016 176.562041 2017 291.066667 2018 372.678862 2019 346.225203 2020 479.141129 2021 586.649189 Name: Close, dtype: float64
三、Pandas如何给股票数据新增年份和月份
实战场景：Pandas如何给股票数据新增年份和月份
3.1主要知识点
文件读写
基础语法
Pandas
Pandas的Series对象
DataFrame
实战:
3.2创建 python 文件
"""
给股票数据新增年份和月份
"""
import pandas as pd
df = pd.read_csv("./00100.csv")
print(df)
# to_datetime变成时间类型
df["Date"] = pd.to_datetime(df["Date"])
df["Year"] = df["Date"].dt.year
df["Month"] = df["Date"].dt.month
print(df)3.3运行结果
Date Open High Low Close Volume 0 2021-09-30 456.000 464.600 453.800 461.400 17335451 1 2021-09-29 461.600 465.000 450.200 465.000 18250450 2 2021-09-28 467.000 476.200 464.600 469.800 20947276 3 2021-09-27 459.000 473.000 455.200 464.600 17966998 4 2021-09-24 461.400 473.400 456.200 460.200 16656914 ... ... ... ... ... ... ... 4262 2004-06-23 4.050 4.450 4.025 4.425 55016000 4263 2004-06-21 4.125 4.125 3.950 4.000 22817000 4264 2004-06-18 4.200 4.250 3.950 4.025 36598000 4265 2004-06-17 4.150 4.375 4.125 4.225 83801500 4266 2004-06-16 4.375 4.625 4.075 4.150 439775000 [4267 rows x 6 columns] Date Open High Low Close Volume Year Month 0 2021-09-30 456.000 464.600 453.800 461.400 17335451 2021 9 1 2021-09-29 461.600 465.000 450.200 465.000 18250450 2021 9 2 2021-09-28 467.000 476.200 464.600 469.800 20947276 2021 9 3 2021-09-27 459.000 473.000 455.200 464.600 17966998 2021 9 4 2021-09-24 461.400 473.400 456.200 460.200 16656914 2021 9 ... ... ... ... ... ... ... ... ... 4262 2004-06-23 4.050 4.450 4.025 4.425 55016000 2004 6 4263 2004-06-21 4.125 4.125 3.950 4.000 22817000 2004 6 4264 2004-06-18 4.200 4.250 3.950 4.025 36598000 2004 6 4265 2004-06-17 4.150 4.375 4.125 4.225 83801500 2004 6 4266 2004-06-16 4.375 4.625 4.075 4.150 439775000 2004 6 [4267 rows x 8 columns]
四、Pandas如何获取表格的信息和基本数据统计
实战场景：Pandas如何获取表格的信息和基本数据统计
4.1主要知识点
文件读写
基础语法
Pandas
Pandas的Series对象
numpy
实战：
4.2创建 python 文件
import pandas as pd
import numpy as np
df = pd.DataFrame( data={ "norm": np.random.normal(loc=0, scale=1, size=1000), "uniform": np.random.uniform(low=0, high=1, size=1000), "binomial": np.random.binomial(n=1, p=0.2, size=1000)}, index=pd.date_range(start='2021-01-01', periods=1000))
# df.info(),查看多少行，多少列，类型等基本信息
# df.describe()，查看每列的平均值、最小值、最大值、中位数等统计信息;
print(df.info())
print()
print(df.describe())4.3运行结果
DatetimeIndex: 1000 entries, 2021-01-01 to 2023-09-27 Freq: D Data columns (total 3 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 norm 1000 non-null float64 1 uniform 1000 non-null float64 2 binomial 1000 non-null int32 dtypes: float64(2), int32(1) memory usage: 27.3 KB None norm uniform binomial count 1000.000000 1000.000000 1000.000000 mean -0.028664 0.496156 0.215000 std 0.987493 0.292747 0.411028 min -3.110249 0.000629 0.000000 25% -0.697858 0.238848 0.000000 50% -0.023654 0.503438 0.000000 75% 0.652157 0.746672 0.000000 max 3.333271 0.997617 1.000000
五、Pandas如何使用日期和随机数生成表格数据类型
实战场景：Pandas如何使用日期和随机数生成表格数据类型
5.1主要知识点
文件读写
基础语法
Pandas
Pandas的Series对象
numpy
实战：
5.2创建 python 文件
"""
输出:一个DataFrame，包含三列
1000个日期作为索引:从2021-01-01开始
数据列:正态分布1000个随机数，loc=0，scale=1
数据列:均匀分布1000个随机数，low=0，high=1
数据列:二项分布1000个随机数，n=1，p=0.2
"""
import pandas as pd
import numpy as np
#生成索引列，1000天
date_range = pd.date_range(start='2021-01-01', periods=1000)
data = { 'norm': np.random.normal(loc=0, scale=1, size=1000), 'uniform': np.random.uniform(low=0, high=1, size=1000), 'binomial': np.random.binomial(n=1, p=0.2, size=1000)
}
df = pd.DataFrame(data=data, index=date_range)
print(df)5.3运行结果
norm uniform binomial 2021-01-01 1.387663 0.223985 0 2021-01-02 2.080345 0.704094 0 2021-01-03 1.615880 0.012283 0 2021-01-04 0.523260 0.053396 0 2021-01-05 -0.872305 0.973047 0 ... ... ... ... 2023-09-23 -1.601608 0.423913 0 2023-09-24 -0.712566 0.727326 1 2023-09-25 -0.188441 0.879798 0 2023-09-26 2.249404 0.229298 0 2023-09-27 2.132976 0.472873 0 [1000 rows x 3 columns]
发表评论 取消回复