07 18 pandas 其他函式之一

其他函式主要有對

字元資料的處理，對int或float資料的處理，

對日期資料的處理等

import
pandas
aspd
import
numpy
asnp
import
osos
.chdir
(' ....'
)將當前路徑切換到儲存檔案的路徑，方便讀取檔案資料
cars=pd
.read_csv
('檔名.csv'
)讀取檔案
cars
.head(10
)--讀取前十行

1、檢視資料中每個變數（即每個列名）的資料型別

cars

.dtypes

2、對日期時間格式資料進行操作

2 、cars ['boarding time' ]---返回資料中的上牌時間列0 2023年4 月12023年8 月22023年5 月... .name:boarding time ,length: 11125 ,dtype:object 現在對返回的資料通過pandas函式進行處理，修改日期格式pd. to_datatime (cars ['boardingtime'], format ='%y年%m月' ,errors ='coerce' )datatime--目標時間格式 format----表明要修改前資料的時間格式 errors---對資料中不是指定格式（format）的資料當做空值來對待處理返回標準的年月日日期格式如下： 02017-04 -0112018-09 -1122019-09 -1232018-08 -07.. ..name:boarding time ,length: 11125 ,dtype:datatime64[ns ]修改的返回的知識檢視，如要改變原表，需將檢視賦值給原來的變數 cars ['boardingtime']= pd.to_datatime (cars ['boardingtime'], format ='%y年%m月' ,errors ='coerce'

)

3、（.str 函式）對字元資料進行操作(只能針對字元型資料）

cars ['new_price' ]---選取其中的一列，返回如下： 09.28萬1 53.78萬2 5.67萬. ..name:new_price ,length: 11126

,dtype:object

資料**現的每乙個值進行統計出現的次數

cars ['new_price']. value_counts() ---對選取的部分資料**現的每乙個值進行統計出現的次數暫無142 12.14 萬128 34.67 萬127.. .name:new_price ,length: 1659

,dtype:int64

暫無表示缺失值，對缺失值的處理（可以在讀取資料時將缺失值讀成 nan，這樣就不會出現 '暫無 '了）

df=pd
.read_csv
('cars_csv'
,na_values
='暫無'
)

對cars中新車**列的』萬』字的去除，採用字串的切片法，但是如此操作後的資料還是字元型資料，即dtype=object,我們可以將其轉換為浮點型資料；

cars
['new_price'].
str[:-
1].astype
('float')0
9.28
153.78
25.67..
.name:new_price
,length:
11126
,dtype:float64
注意：python中字串切片或索引中
都是左開右閉的，-
1表示最後一位，但是取
不到最後一位
上述返回的只是檢視，如果想改變原始資料，就得將操作返回值重新下賦值
cars
['new_price']=
cars
['new_price'].
str[:-
1].astype
('float'
)

將『-』替換為『缺失值』

cars
['discharge']=
cars
['discharge'].
str.
replace
('-'
,'缺失值'
)

對每乙個變數值出現次數的統計

cars
['new_price'].
value_counts
()

每個變數的資料型別的判斷

cars .dtypes 返回-- name object new_price float64 discharge object boarding_timee datatime[ns ]dtype

：object

統計資料中心的字元型變數的的資料特徵

cars
.describe
(include=[
'object'
])

對所有變數的資料統計基本統計量

cars
.describe
(include=[
'all'])
統計中對浮點型資料，一般是不做統計的，所以返回的是nan值

pd.datatime.today() —表示此刻的時間，

datetime
.datetime
(2020,7
,18,18
,29,0
,62625
)

cars中上牌了多長時間的計算

cars
['diff_day']=
pa.datetime
.today()
-cars
['boarding_time']返回
01300
days09:
42:51.827382
1783
days09:
42:51.957339..
.name:diff_day
,length:
1125
,dtype:timedelta64[ns
]

timedelta[ns] —表示時間戳格式，將時間戳轉換為標準天數,並將所得轉換為整型

cars
['diff_day']=
(cars
['diff_day']/
np.timedelta64(1
,'d'))
.astype
('int'
)注意：（1
，『d』）表示1
天乙個週期，（30，
'd'）表示
30天乙個週期，即將時間戳轉換為
標準月份數，數字改為
365就是轉換為標準年份

07 18 pandas 其他函式之一

pandas常用函式之diff

8 單行函式之數學函式日期函式其他函式

MySQL學習筆記（二）函式篇之其他函式

07 18 pandas 其他函式之一

pandas常用函式之diff

8 單行函式之數學函式 日期函式 其他函式

MySQL學習筆記（二）函式篇之其他函式

相關推薦

8 單行函式之數學函式日期函式其他函式