Работа с пропущенными данными
Преобразование данных с помощью pandas
Maria Eugenia Inzaugarat
Data Scientist
Повторение
- Преобразование DataFrames с помощью stack и unstack:
- Все уровни индекса столбцов
- Уровень индекса строк
- Выбор уровней для stack и unstack
Unstack и пропущенные значения
Подгруппы имеют разные наборы меток
animals
jump run fly
class order name
Mammalia carnivora dog No Yes No
Diprotodontia Kangaroo Yes No No
Aves hervibora bird No No Yes
Unstack и пропущенные значения
Подгруппы имеют разные наборы меток
animals
jump run fly
class order name
Mammalia carnivora dog No Yes No <--
Diprotodontia Kangaroo Yes No No
Aves hervibora bird No No Yes
Unstack и пропущенные значения
Подгруппы имеют разные наборы меток
animals.unstack(level='class')
jump run fly
clas Aves Mammalia Aves Mammalia Aves Mammalia
order name
Diprotodontia Kangaroo NaN Yes NaN No NaN No
carnivora Dog NaN No NaN Yes NaN No
Charadriiformes Avocet No NaN No NaN Yes NaN
Unstack и пропущенные значения
Подгруппы имеют разные наборы меток
animals.unstack(level='class')
jump run fly
clas Aves Mammalia Aves Mammalia Aves Mammalia
order name
Diprotodontia Kangaroo NaN Yes NaN No NaN No
-----------------------------
carnivora Dog NaN <-- No NaN Yes NaN No
-----------------------------
Charadriiformes Avocet No NaN No NaN Yes NaN
Обработка NaN с помощью unstack
animals.unstack(level='class', fill_value= )
Обработка NaN с помощью unstack
animals.unstack(level='class', fill_value='No')
Обработка NaN с помощью unstack
animals.unstack(level='class', fill_value='No').sort_index(level=['order', 'name'], ascending=[True, False])
jump run fly
clas Aves Mammalia Aves Mammalia Aves Mammalia
order name
Diprotodontia Kangaroo No Yes No No No No
carnivora Dog No No No Yes No No
Charadriiformes Avocet No No No No Yes No
Stack и пропущенные значения
Некоторые комбинации значений индекса и столбцов отсутствуют в исходном DataFrame
flowers
petals Stigma
number size
rose 40 NaN
Lily 8 5
Stack и пропущенные значения
Некоторые комбинации значений индекса и столбцов отсутствуют в исходном DataFrame
flowers.stack()
Stigma petals
rose number NaN 40.0
Lily number NaN 8.0
size 5 NaN
Stack и пропущенные значения
Некоторые комбинации значений индекса и столбцов отсутствуют в исходном DataFrame
flowers.stack(dropna=True)
Stigma petals
rose number NaN 40.0
Lily number NaN 8.0
size 5 NaN
Stack и пропущенные значения
Некоторые комбинации значений индекса и столбцов отсутствуют в исходном DataFrame
flowers.stack(dropna=False)
Stigma petals
rose number NaN 40.0
size NaN NaN <--
Lily number NaN 8.0
size 5 NaN
Обработка NaN с помощью stack
flowers.stack(dropna=False).fillna(0)
Stigma petals
rose number 0 40.0
size 0 0
Lily number 0 8.0
size 5 0
Давайте потренируемся!
Преобразование данных с помощью pandas
