更多 Pandas

給 R 使用者的 Python

Daniel Chen

Instructor

遺漏資料

  • 來自 numpy 的 NaN 遺漏值
  • np.NaNnp.NANnp.nan 都等同於 R 的 NA
  • pd.isnull 檢查遺漏值
    • pd.notnull 檢查非遺漏
    • pd.isnull 等同 pd.isna
給 R 使用者的 Python

處理遺漏資料

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
給 R 使用者的 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
給 R 使用者的 Python

更多 Pandas

  • 套用自訂函式
  • groupby 操作
  • 整潔化資料
給 R 使用者的 Python

套用自訂函式

  • 內建函式
  • 自訂函式
  • apply 方法
  • 指定軸向
給 R 使用者的 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
給 R 使用者的 Python

Tidy

  • 重塑並整理資料
  • Hadley Wickham〈Tidy Data〉論文
    • 每列是一筆觀測
    • 每欄是一個變數
    • 每種觀測單位各成一表

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

給 R 使用者的 Python

Tidy: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
...
給 R 使用者的 Python

Tidy: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
給 R 使用者的 Python

重設索引

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
給 R 使用者的 Python

Groupby

  • groupby:分割-套用-合併
  • 將資料分割為多個分區
  • 對每個分區套用函式
  • 合併結果
給 R 使用者的 Python

執行 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
給 R 使用者的 Python

一起來練習吧!

給 R 使用者的 Python

Preparing Video For Download...