更多 Pandas

面向 R 用户的 Python

Daniel Chen

Instructor

缺失数据

  • NaN 缺失值来自 numpy
  • np.NaNnp.NANnp.nan 等同于 R 的 NA
  • pd.isnull 检查缺失
    • pd.notnull 检查非缺失
    • pd.isnull 等同于 pd.isna
面向 R 用户的 Python

处理缺失数据

df
           name  treatment_a  treatment_b
0    John Smith          NaN            2
1      Jane Doe         16.0           11
2  Mary Johnson          3.0            1
a_mean = df['treatment_a'].mean()
a_mean
9.5
面向 R 用户的 Python

Fillna

df['a_fill'] = df['treatment_a'].fillna(a_mean)
df
           name  treatment_a  treatment_b  a_fill
0    John Smith          NaN            2     9.5
1      Jane Doe         16.0           11    16.0
2  Mary Johnson          3.0            1     3.0
面向 R 用户的 Python

更多 Pandas

  • 应用自定义函数
  • 分组操作
  • 整理数据
面向 R 用户的 Python

应用自定义函数

  • 内置函数
  • 自定义函数
  • apply 方法
  • 指定轴
面向 R 用户的 Python
R
df = data.frame('a' = c(1, 2, 3),
                'b' = c(4, 5, 6))
apply(df, 2, mean)
a b 
2 5 
apply(df, 1, mean)
2.5 3.5 4.5
Python
import pandas as pd
df = pd.DataFrame({'A': [1, 2, 3],
                   'B':[4, 5, 6]})
df.apply(np.mean, axis=0)
A    2.0
B    5.0
dtype: float64
df.apply(np.mean, axis=1)
0    2.5
1    3.5
2    4.5
dtype: float64
面向 R 用户的 Python

整洁数据(Tidy)

  • 重塑并整理数据
  • Hadley Wickham,《Tidy Data》
    • 每行代表一个观测
    • 每列代表一个变量
    • 每类观测单位组成一张表

Tidy Data 论文: http://vita.had.co.nz/papers/tidy-data.pdf

面向 R 用户的 Python

整洁:melt

df
           name  treatment_a  treatment_b
0    John Smith          NaN            2
1      Jane Doe         16.0           11
2  Mary Johnson          3.0            1
df_melt = pd.melt(df, id_vars='name')
df_melt
           name     variable  value
0    John Smith  treatment_a    NaN
1      Jane Doe  treatment_a   16.0
2  Mary Johnson  treatment_a    3.0
3    John Smith  treatment_b    2.0
...
面向 R 用户的 Python

整洁:pivot_table

df_melt_pivot = pd.pivot_table(df_melt,
                               index='name',
                               columns='variable',
                               values='value')
df_melt_pivot
variable      treatment_a  treatment_b
name                                  
Jane Doe             16.0         11.0
John Smith            NaN          2.0
Mary Johnson          3.0          1.0
面向 R 用户的 Python

重置索引

df_melt_pivot.reset_index()
variable          name  treatment_a  treatment_b
0             Jane Doe         16.0         11.0
1           John Smith          NaN          2.0
2         Mary Johnson          3.0          1.0
面向 R 用户的 Python

Groupby(分组)

  • groupby:分组-应用-合并
  • 将数据拆分为分区
  • 对每个分区应用函数
  • 合并结果
面向 R 用户的 Python

执行 groupby

           name     variable  value
0    John Smith  treatment_a    NaN
1      Jane Doe  treatment_a   16.0
2  Mary Johnson  treatment_a    3.0
3    John Smith  treatment_b    2.0
4      Jane Doe  treatment_b   11.0
5  Mary Johnson  treatment_b    1.0
df_melt.groupby('name')['value'].mean()
name
Jane Doe        13.5
John Smith       2.0
Mary Johnson     2.0
Name: value, dtype: float64
面向 R 用户的 Python

¡Vamos a practicar!

面向 R 用户的 Python

Preparing Video For Download...