国外大神制作的超棒 Pandas 可视化教程

如果读者们计划学习数据分析、机器学习、或者用 Python 做数据科学的研究，你会经常接触到 Pandas 库。

Pandas 是一个开源、能用于数据操作和分析的 Python 库。

1.加载数据

加载数据最方便、最简单的办法是我们能一次性把表格(CSV 文件或者 EXCEL 文件)导入。然后我们能用多种方式对它们进行切片和裁剪。

加载数据

Pandas 可以说是我们加载数据的完美选择。Pandas 不仅允许我们加载电子表格，而且支持对加载内容进行预处理。

Pandas 有个核心类型叫 DataFrame。DataFrame 是表格型的数据结构。

因此，我们可以将其当做表格。

DataFrame 是以表格类似展示，而且还包含行标签、列标签。另外，每列可以是不同的值类型(数值、字符串、布尔型等)。

我们可以使用 read_csv() 来加载 CSV 文件。

1
2
# 加载音乐流媒体服务的 CSV 文件
df = pandas.read_csv('music.csv')

其中变量 DF 是 Pandas 的 DataFrame 类型。

DataFrame

Pandas 同样支持操作 Excel 文件，使用 pd.read_excel() 接口能从 EXCEL 文件中读取数据。

1
df = pandas.read_csv('music.xls')

2.选择数据

我们能使用列标签来选择列数据。

比如，我们想获取 Artist 所在的整列数据, 可以将 artists 当做下标来获取。

使用列标签来选择列数据

同样，我们可以使用行标签来获取一列或者多列数据。

表格中的下标是数字，比如我们想获取第 1、2 行数据，可以使用 df[1:3] 来拿到数据。

使用行标签来获取一列或者多列数据

Pandas 的利器之一是索引和数据选择器。

我们可以随意搭配列标签和行标签来进行切片，从而得到我们所需要的数据。

比如，我们想得到第 1, 2, 3 行的 Artist 列数据。

1
2
3
4
import pandas as pd

df.loc[1:3, ['Artist']]
# loc(这里会包含两个边界的行号所在的值)

随意搭配列标签和行标签来进行切片

3.过滤数据

过滤数据是最有趣的操作。我们可以通过使用特定行的值轻松筛选出行。

比如我们想获取音乐类型(Genre)为值为 Jazz 行。

过滤数据

再比如获取超过 180万听众的 艺术家。

获取超过 180万听众的 艺术家

4.处理空值

数据集来源渠道不同，可能会出现空值的情况。我们需要数据集进行预处理时。

如果想看下数据集有哪些值是空值，可以使用 isnull() 函数来判断

1
2
3
4
import pandas as pd

df = pd.read_csv('music.csv')
print(df.isnull())

假设我们之前的音乐数据集中 有空值(NaN)的行。

有空值(NaN)的行

我们对之前的音乐.csv 文件进行判断，得到结果如下:

结果

如果我想知道哪列存在空值，可以使用 df.isnull().any()

1
2
3
4
import pandas as pd

df = pd.read_csv('music.csv')
print(df.isnull().any())

结果如下：

知道哪列存在空值

处理空值，Pandas 库提供很多方式。最简单的办法就是删除空值的行。

除此之外，还可以使用取其他数值的平均值，使用出现频率高的值进行填充缺失值。

1
2
3
4
import pandas as pd

# 将值填充为 0
pd.fillna(0)

5.分组

我们使用特定条件进行分组并聚它们的数据，也是很有意思的操作。比如，我们需要将数据集以音乐类型进行分组，以便我们能更加方便、清晰了解每个音乐类型有多少听众和播放量。

分组

上述代码的的执行过程是：Pandas 会将 Jazz 音乐类型的两行数据聚合一组；我们调用了 sum() 函数，Pandas 还会将这两行数据端的 Listeners(听众)和 Plays (播放量) 相加在一起，然后组合在 Jazz 列中显示总和。

这也是 Pandas 库强大之处，能将多个操作进行组合，然后显示最终结果。

6.从现有列中创建新列

通常在数据分析过程中，我们发现自己需要从现有列中创建新列，使用 Pandas 也是能轻而易举搞定。

从现有列中创建新列

原作者：jalammar
文章翻译： 猴哥
文章润色： 猴哥
附：原文地址