[数学建模从入门到入土] pandas

[数学建模从入门到入土] pandas

个人导航

知乎：https://www.zhihu.com/people/byzh_rc

CSDN：https://blog.csdn.net/qq_54636039

注：本文仅对所述内容做了框架性引导，具体细节可查询其余相关资料or源码

参考文章：各方资料

注意

1. 简单数据预处理先用excel做
2. 复杂数据预处理用jupyter
3. 全都处理好, 然后导出为csv, 再用py

读取

1.第一行有杂乱信息

df=pd.read_csv('./Wimbledon_featured_matches.csv',encoding='gbk',skiprows=1# 跳过第1行, 从2行开始读取)

显示

1.横线被压缩成…

pd.set_option("display.max_columns",None)# 显示所有列pd.set_option("display.width",None)# 不限制总宽度（按终端/环境尽量铺开）pd.set_option("display.max_colwidth",None)# 单个单元格内容不截断（长字符串也全显示）

建议保存成excel再看

类型转换

# 一维s=pd.to_numeric(df[col],errors="coerce")# 多维df_numeric=df[cols].apply(pd.to_numeric,errors="coerce")

errors="coerce"的意思是：强制转，转不了就变成NaN（缺失值）

做quantile()、mean()这类统计时，NaN 会被自动忽略（默认skipna=True）

分组 group

1.拆成字典

grouped={依据内容:sub_df.reset_index(drop=True)# sub_df 的行索引重新设置为从 0 开始for依据内容,sub_dfindf.groupby("依据")}

2.直接遍历

for依据内容,sub_dfindf.groupby("依据"):...

数据分析

1.序列中最多的前5个元素

top5=(pd.to_numeric(df['p1_distance_run_new'],errors='coerce')# 只在统计时转数值.value_counts()# 统计频数.head(5)# 取前 5)

2.第几分位数

Q1=s.quantile(0.25)# 第1四分位数Q3=s.quantile(0.75)# 第3四分位数