10招！看骨灰级Pythoner如何玩转Python

构建模子时，你也许但愿解除具有许多缺失值或满是缺失值的行。你可以行使.isnull()和.sum()来计较指定列中缺失值的数目。

import pandas as pd 
import numpy as np 
df = pd.DataFrame({ ‘id’: [1,2,3], ‘c1’:[0,0,np.nan], ‘c2’: [np.nan,1,1]}) 
dfdf = df[[‘id’, ‘c1’, ‘c2’]] 
df[‘num_nulls’] = df[[‘c1’, ‘c2’]].isnull().sum(axis=1) 
df.head() 

8. 选择具有特定ID的行

在SQL中，我们可以行使SELECT * FROM ... WHERE ID('A001'，'C022'，...)来获取具有特定ID的记录。假如想用Pandas做同样的工作，你可以

dfdf_filter = df[‘ID’].isin([‘A001’,‘C022’,...]) 
df[df_filter] 

9. Percentile groups

你有一个数字列，并但愿将该列中的值分类为组，譬喻将列的前5%，分为组1，前5-20%分为组2，前20%-50%分为组3，最后50%分为组4。虽然，你可以用pandas.cut来做，但这里提供另一个选择：

import numpy as np 
cut_points = [np.percentile(df[‘c’], i) for i in [50, 80, 95]] 
df[‘group’] = 1 
for i in range(3): 
    df[‘group’] = df[‘group’] + (df[‘c’] < cut_points[i]) 
# or <= cut_points[i] 

这个指令使计较机运行的很是快(没有行使应用成果)。

10. to_csv

这也是每小我私人城市行使的呼吁。这里指出两个能力。 第一个是

print(df[:5].to_csv()) 

你可以行使此呼吁精确地打印出写入文件的前五行数据。

另一个能力是处理赏罚殽杂在一路的整数和缺失值。假如列同时包括缺失值和整数，则数据范例仍将是float而不是int。导出表时，可以添加float_format ='%。0f'将全部浮点数舍入为整数。假如只想要全部列的整数输出，请行使此能力，你将挣脱全部令人苦恼的'.0'。

【编辑保举】

1. Fedora 提出同一流程，弃用上千 Python 2 软件包更可控
2. Python并发：线程和锁
3. 百道Python口试题实现，搞定Python编程就靠它
4. 你爱 “Python”的身材，照旧“R”的魂灵？
5. Python编程中3个常用的数据布局和算法

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!