企业官网建设流程全解析

Pandas数据处理技巧全解析

主要章节与要点

1. UFO 报告数据（uforeports.csv）

   • 读取：ufo = pd.read_csv('uforeports.csv')
   • 统计并查看类别分布：ufo['Shape Reported'].value_counts(dropna=False)（包括缺失值）
   • 填充缺失值：ufo['Shape Reported'].fillna(value='VARIOUS', inplace=True)将缺失值用VARIOUS替换
   • 常见行/列选择：使用loc选择指定行/列（例如ufo.loc[[0,1,2], :]、ufo.loc[:, ['Colors Reported','Shape Reported','State']]）
   • 条件过滤：ufo[ufo.City == 'Oakland']或ufo.loc[ufo.City == 'Oakland','State']
   • 用例演示：删除列（.drop()）、查看尾部数据（.head()/.tail()等）

2. pandas 索引（Index）及drinksbycountry.csv

   • 读取：drinks = pd.read_csv('drinksbycountry.csv')
   • 查看索引与列：drinks.index、drinks.columns、drinks.shape
   • 将列设为索引：drinks.set_index('country', inplace=True)，随后可用drinks.loc['Brazil','beer_servings']用国家名访问行。
   • 重置索引并恢复默认整数索引：drinks.reset_index(inplace=True)
   • 修改索引名称：drinks.index.name = 'country'或drinks.index.name = None
   • 按索引或列进行统计：drinks.describe()和对统计结果的定位（例如drinks.describe().loc['25%','beer_servings']）

3. 选择多行多列与位置索引

   • loc用法：基于标签选择行列（可用行标签切片、列表或布尔掩码）。
   • iloc用法：基于整数位置选择（例如ufo.iloc[:,0:4]）。
   • 列范围切片：ufo.loc[:, 'Colors Reported':'Time']（使用列名范围切片）

4. 其它实用示例

   • 读取无表头、使用自定义分隔符的文件：pd.read_table('movieusers.csv', header=None, sep='|')
   • 统计并排序：drinks.continent.value_counts().sort_index()

关键代码片段（摘录并简短说明）

• 填充缺失值并统计：

ufo['Shape Reported'].value_counts(dropna=False)ufo['Shape Reported'].fillna(value='VARIOUS',inplace=True)ufo['Shape Reported'].value_counts()

说明：先查看包含 NaN 的统计，再用fillna填充，最后确认填充结果。

• 索引设置与定位：

drinks=pd.read_csv('drinksbycountry.csv')drinks.set_index('country',inplace=True)drinks.loc['Brazil','beer_servings']

说明：把country设置为索引后，可直接用国家名定位对应行的数据。

• loc/iloc示例：

# 基于标签选择：ufo.loc[[0,1,2],:]# 基于位置选择：ufo.iloc[:,0:4]# 选择列范围：ufo.loc[:,'Colors Reported':'Time']

• 描述性统计定位：

drinks.describe().loc['25%','beer_servings']