
作者:俊欣
來源:關(guān)于數(shù)據(jù)分析與可視化
大家好,我是俊欣,本篇文章應(yīng)該算得上是2022年的第一篇原創(chuàng)了,抱歉,元旦期間小編有點(diǎn)偷懶。
今天小編來給大家講一下Pandas模塊當(dāng)中的數(shù)據(jù)統(tǒng)計(jì)與排序,說到具體的就是value_counts()方法以及sort_values()方法。
value_counts()方法,顧名思義,主要是用于計(jì)算各個(gè)類別出現(xiàn)的次數(shù)的,而sort_values()方法則是對(duì)數(shù)值來進(jìn)行排序,當(dāng)然除了這些,還有很多大家不知道的衍生的功能等待被挖掘,下面小編就帶大家一個(gè)一個(gè)的說過去。
我們這次用到的數(shù)據(jù)集是“非常有名”的泰坦尼克號(hào)的數(shù)據(jù)集,該數(shù)據(jù)源能夠在很多平臺(tái)上都能夠找得到
import pandas as pd
df = pd.read_csv("titanic_train.csv")
df.head()
output
首先我們來看一下常規(guī)的用法,代碼如下
df['Embarked'].value_counts()
output
S 644 C 168 Q 77 Name: Embarked, dtype: int64
下面我們簡(jiǎn)單來介紹一下value_counts()方法當(dāng)中的參數(shù),
DataFrame.value_counts(subset=None,
normalize=False,
sort=True,
ascending=False,
dropna=True)
常用到參數(shù)的具體解釋為:
上面返回的結(jié)果是按照從大到小來進(jìn)行排序的,當(dāng)然我們也可以反過來,從小到大來進(jìn)行排序,代碼如下
df['Embarked'].value_counts(ascending=True)
output
Q 77 C 168 S 644 Name: Embarked, dtype: int64
同時(shí)我們也可以對(duì)索引,按照字母表的順序來進(jìn)行排序,代碼如下
df['Embarked'].value_counts(ascending=True).sort_index(ascending=True)
output
C 168 Q 77 S 644 Name: Embarked, dtype: int64
當(dāng)中的ascending=True指的是升序排序
默認(rèn)的是value_counts()方法不會(huì)對(duì)空值進(jìn)行統(tǒng)計(jì),那要是我們也希望對(duì)空值進(jìn)行統(tǒng)計(jì)的話,就可以加上dropna參數(shù),代碼如下
df['Embarked'].value_counts(dropna=False)
output
S 644 C 168 Q 77 NaN 2 Name: Embarked, dtype: int64
我們可以將數(shù)值的統(tǒng)計(jì)轉(zhuǎn)化成百分比式的統(tǒng)計(jì),可以更加直觀地看到每一個(gè)類別的占比,代碼如下
df['Embarked'].value_counts(normalize=True)
output
S 0.724409 C 0.188976 Q 0.086614 Name: Embarked, dtype: float64
要是我們希望對(duì)能夠在后面加上一個(gè)百分比的符號(hào),則需要在Pandas中加以設(shè)置,對(duì)數(shù)據(jù)的展示加以設(shè)置,代碼如下
pd.set_option('display.float_format', '{:.2%}'.format) df['Embarked'].value_counts(normalize = True)
output
S 72.44% C 18.90% Q 8.66% Name: Embarked, dtype: float64
當(dāng)然除此之外,我們還可以這么來做,代碼如下
df['Embarked'].value_counts(normalize = True).to_frame().style.format('{:.2%}')
output
Embarked S 72.44% C 18.90% Q 8.66%
和Pandas模塊當(dāng)中的cut()方法相類似的在于,我們這里也可以將連續(xù)型數(shù)據(jù)進(jìn)行分箱然后再來統(tǒng)計(jì),代碼如下
df['Fare'].value_counts(bins=3)
output
(-0.513, 170.776] 871 (170.776, 341.553] 17 (341.553, 512.329] 3 Name: Fare, dtype: int64
我們將Fare這一列同等份的分成3組然后再來進(jìn)行統(tǒng)計(jì),當(dāng)然我們也可以自定義每一個(gè)分組的上限與下限,代碼如下
df['Fare'].value_counts(bins=[-1, 20, 100, 550])
output
(-1.001, 20.0] 515 (20.0, 100.0] 323 (100.0, 550.0] 53 Name: Fare, dtype: int64
pandas模塊當(dāng)中的groupby()方法允許對(duì)數(shù)據(jù)集進(jìn)行分組,它也可以和value_counts()方法聯(lián)用更好地來進(jìn)行統(tǒng)計(jì)分析,代碼如下
df.groupby('Embarked')['Sex'].value_counts()
output
Embarked Sex C male 95 female 73 Q male 41 female 36 S male 441 female 203 Name: Sex, dtype: int64
上面的代碼是針對(duì)“Embarked”這一類別下的“Sex”特征進(jìn)行分組,然后再進(jìn)一步進(jìn)行數(shù)據(jù)的統(tǒng)計(jì)分析,當(dāng)然出來的結(jié)果是Series數(shù)據(jù)結(jié)構(gòu),要是我們想讓Series的數(shù)據(jù)結(jié)果編程DataFrame數(shù)據(jù)結(jié)構(gòu),可以這么來做,
df.groupby('Embarked')['Sex'].value_counts().to_frame()
下面我們來談一下數(shù)據(jù)的排序,主要用到的是sort_values()方法,例如我們根據(jù)“年齡”這一列來進(jìn)行排序,排序的方式為降序排,代碼如下
df.sort_values("Age", ascending = False).head(10)
output
我們看到排序過之后的DataFrame數(shù)據(jù)集行索引依然沒有變,我們希望行索引依然可以是從0開始依次的遞增,就可以這么來做,代碼如下
df.sort_values("Age", ascending = False, ignore_index = True).head(10)
output
下面我們簡(jiǎn)單來介紹一下sort_values()方法當(dāng)中的參數(shù)
DataFrame.sort_values(by, axis=0, ascending=True, inplace=False, kind='quicksort', na_position='last', # last,first;默認(rèn)是last ignore_index=False, key=None)
常用到參數(shù)的具體解釋為:
我們還可以對(duì)多個(gè)字段進(jìn)行排序,代碼如下
df.sort_values(["Age", "Fare"], ascending = False).head(10)
output
同時(shí)我們也可以對(duì)不同的字段指定不同的排序方式,如下
df.sort_values(["Age", "Fare"], ascending = [False, True]).head(10)
output
我們可以看到在“Age”一樣的情況下,“Fare”字段是按照升序的順序來排的
我們可以自定義一個(gè)函數(shù)方法,然后運(yùn)用在sort_values()方法當(dāng)中,讓其按照自己寫的方法來排序,我們看如下的這組數(shù)據(jù)
df = pd.DataFrame({ 'product': ['keyboard', 'mouse', 'desk', 'monitor', 'chair'], 'category': ['C', 'C', 'O', 'C', 'O'], 'year': [2002, 2002, 2005, 2001, 2003], 'cost': ['$52', '$24', '$250', '$500', '$150'], 'promotion_time': ['20hr', '30hr', '20hr', '20hr', '2hr'],
})
output
當(dāng)中的“cost”這一列帶有美元符號(hào)“$”,因此就會(huì)干擾排序的正常進(jìn)行,我們使用lambda方法自定義一個(gè)函數(shù)方法運(yùn)用在sort_value()當(dāng)中
df.sort_values( 'cost',
key=lambda val: val.str.replace('$', '').astype('float64')
)
output
當(dāng)然我們還可以自定義一個(gè)更加復(fù)雜一點(diǎn)的函數(shù),并且運(yùn)用在sort_values()方法當(dāng)中,代碼如下
def sort_by_cost_time(x): if x.name == 'cost': return x.str.replace('$', '').astype('float64') elif x.name == 'promotion_time': return x.str.replace('hr', '').astype('int') else: return x
df.sort_values(
['year', 'promotion_time', 'cost'],
key=sort_by_cost_time
)
output
還有另外一種情況,例如我們遇到衣服的尺碼,XS碼、S碼、M碼、L碼又或者是月份,Jan、Feb、Mar、Apr等等,需要我們自己去定義大小,這個(gè)時(shí)候我們需要用到的是CategoricalDtype
cat_size_order = CategoricalDtype(
['XS', 'S', 'M', 'L', 'XL'],
ordered=True
)
cat_size_order
output
CategoricalDtype(categories=['XS', 'S', 'M', 'L', 'XL'], ordered=True)
于是針對(duì)下面的數(shù)據(jù)
df = pd.DataFrame({ 'cloth_id': [1001, 1002, 1003, 1004, 1005, 1006], 'size': ['S', 'XL', 'M', 'XS', 'L', 'S'],
})
output
我們將事先定義好的順序應(yīng)用到該數(shù)據(jù)集當(dāng)中,代碼如下
df['size'] = df['size'].astype(cat_size_order)
df.sort_values('size')
output
先通過astype()來轉(zhuǎn)換數(shù)據(jù)類型,然后再進(jìn)行排序
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
LSTM 模型輸入長(zhǎng)度選擇技巧:提升序列建模效能的關(guān)鍵? 在循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)家族中,長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)憑借其解決長(zhǎng)序列 ...
2025-07-11CDA 數(shù)據(jù)分析師報(bào)考條件詳解與準(zhǔn)備指南? ? 在數(shù)據(jù)驅(qū)動(dòng)決策的時(shí)代浪潮下,CDA 數(shù)據(jù)分析師認(rèn)證愈發(fā)受到矚目,成為眾多有志投身數(shù) ...
2025-07-11數(shù)據(jù)透視表中兩列相乘合計(jì)的實(shí)用指南? 在數(shù)據(jù)分析的日常工作中,數(shù)據(jù)透視表憑借其強(qiáng)大的數(shù)據(jù)匯總和分析功能,成為了 Excel 用戶 ...
2025-07-11尊敬的考生: 您好! 我們誠摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實(shí)施重大更新。 此次更新旨在確保認(rèn) ...
2025-07-10BI 大數(shù)據(jù)分析師:連接數(shù)據(jù)與業(yè)務(wù)的價(jià)值轉(zhuǎn)化者? ? 在大數(shù)據(jù)與商業(yè)智能(Business Intelligence,簡(jiǎn)稱 BI)深度融合的時(shí)代,BI ...
2025-07-10SQL 在預(yù)測(cè)分析中的應(yīng)用:從數(shù)據(jù)查詢到趨勢(shì)預(yù)判? ? 在數(shù)據(jù)驅(qū)動(dòng)決策的時(shí)代,預(yù)測(cè)分析作為挖掘數(shù)據(jù)潛在價(jià)值的核心手段,正被廣泛 ...
2025-07-10數(shù)據(jù)查詢結(jié)束后:分析師的收尾工作與價(jià)值深化? ? 在數(shù)據(jù)分析的全流程中,“query end”(查詢結(jié)束)并非工作的終點(diǎn),而是將數(shù) ...
2025-07-10CDA 數(shù)據(jù)分析師考試:從報(bào)考到取證的全攻略? 在數(shù)字經(jīng)濟(jì)蓬勃發(fā)展的今天,數(shù)據(jù)分析師已成為各行業(yè)爭(zhēng)搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢(shì)性檢驗(yàn):捕捉數(shù)據(jù)背后的時(shí)間軌跡? 在數(shù)據(jù)分析的版圖中,單樣本趨勢(shì)性檢驗(yàn)如同一位耐心的偵探,專注于從單 ...
2025-07-09year_month數(shù)據(jù)類型:時(shí)間維度的精準(zhǔn)切片? ? 在數(shù)據(jù)的世界里,時(shí)間是最不可或缺的維度之一,而year_month數(shù)據(jù)類型就像一把精準(zhǔn) ...
2025-07-09CDA 備考干貨:Python 在數(shù)據(jù)分析中的核心應(yīng)用與實(shí)戰(zhàn)技巧? ? 在 CDA 數(shù)據(jù)分析師認(rèn)證考試中,Python 作為數(shù)據(jù)處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗(yàn):數(shù)據(jù)趨勢(shì)與突變分析的有力工具? ? ? 在數(shù)據(jù)分析的廣袤領(lǐng)域中,準(zhǔn)確捕捉數(shù)據(jù)的趨勢(shì)變化以及識(shí)別 ...
2025-07-08備戰(zhàn) CDA 數(shù)據(jù)分析師考試:需要多久?如何規(guī)劃? CDA(Certified Data Analyst)數(shù)據(jù)分析師認(rèn)證作為國內(nèi)權(quán)威的數(shù)據(jù)分析能力認(rèn)證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應(yīng)對(duì)策略? 長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)作為循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)的一種變體,憑借獨(dú)特的門控機(jī)制,在 ...
2025-07-07統(tǒng)計(jì)學(xué)方法在市場(chǎng)調(diào)研數(shù)據(jù)中的深度應(yīng)用? 市場(chǎng)調(diào)研是企業(yè)洞察市場(chǎng)動(dòng)態(tài)、了解消費(fèi)者需求的重要途徑,而統(tǒng)計(jì)學(xué)方法則是市場(chǎng)調(diào)研數(shù) ...
2025-07-07CDA數(shù)據(jù)分析師證書考試全攻略? 在數(shù)字化浪潮席卷全球的當(dāng)下,數(shù)據(jù)已成為企業(yè)決策、行業(yè)發(fā)展的核心驅(qū)動(dòng)力,數(shù)據(jù)分析師也因此成為 ...
2025-07-07剖析 CDA 數(shù)據(jù)分析師考試題型:解鎖高效備考與答題策略? CDA(Certified Data Analyst)數(shù)據(jù)分析師考試作為衡量數(shù)據(jù)專業(yè)能力的 ...
2025-07-04SQL Server 字符串截取轉(zhuǎn)日期:解鎖數(shù)據(jù)處理的關(guān)鍵技能? 在數(shù)據(jù)處理與分析工作中,數(shù)據(jù)格式的規(guī)范性是保證后續(xù)分析準(zhǔn)確性的基礎(chǔ) ...
2025-07-04CDA 數(shù)據(jù)分析師視角:從數(shù)據(jù)迷霧中探尋商業(yè)真相? 在數(shù)字化浪潮席卷全球的今天,數(shù)據(jù)已成為企業(yè)決策的核心驅(qū)動(dòng)力,CDA(Certifie ...
2025-07-04CDA 數(shù)據(jù)分析師:開啟數(shù)據(jù)職業(yè)發(fā)展新征程? ? 在數(shù)據(jù)成為核心生產(chǎn)要素的今天,數(shù)據(jù)分析師的職業(yè)價(jià)值愈發(fā)凸顯。CDA(Certified D ...
2025-07-03