python学习:pandas学习笔记(一)

对使用python进行数据分析的研究者而言,pandas是非常有用的一个模块。在现实数据收集中难以保证数据格式整齐,没有缺项漏项,按照研究意向进行排序与整理。pandas可以高效的帮助研究者进行数据整理,便于进入分析流程。

本次笔记内容:

  • dictionary和data frame之前的转换及注意事项
  • 替换data frame中的字段:df.replace

dictionary和data frame之前的转换及注意事项
对一个简单字典,转化为dataframe:
比如dic = {A: 1, B: 2, C: 3} 要转化为一列为A,B,C,一列为1,2,3的dataframe:
test = pd.DataFrame(list(dic.items()), index = [range(0,2)])
因为没有可以转化为Index的字段,所以需要加一个index =

如果以column(列)作为不同的subjects, 以行(row)作为不同的features, 如以下例子,import pandas之后可以直接读取csv格式的excel表格得到data frame, 且定义为df

如果需要将其转化成dictionary:

df_dict = df.to_dict()

需要注意的是,如果直接这样转化,会丢失feature的名称,如下图所示。

如果你期望的data frame和dictionary的对应方式是这样:

{'col1':{row1:value1,row2:value2,row3:value...}...}

那需要用set_index对data frame的index进行处理。

当你将data frame的内容转化成嵌套字典(nested dictionary)之后,可以通过对其中k,v,第二层的k,v进行更多操作,如添加新的feature或者sample, 清理格式不对的字符等,以达到数据整理的目的(..=_=可能直接使用pandas也可以达到同样的目的,可能会更加简洁明了,弄明白了我会更新)。

使用pd.DataFrame(df.dict)dictionary转化为dataframe。

to_dict()可以在括号中添加各种参数,以得到不同的dictionary, 详细请见:https://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.to_dict.html

替换data frame中的字段:df.replace
为满足一些脚本的input格式,需要对原始数据进行整理。有的对data frame中所有的数据进行规整,有的仅针对某一列,有的对不同的列规整要求不一样。
df为例:
df中所有样本服用的drug都是aspirin

还有一个用法是Series.str.replace,其对象不是dataframe,但是可以将data frame中需要replace的列挑出来单独处理,比方说:
df['S_0001'] = df['S_0001'].str.replace('drug', 'aspirin')

df中S_0001样本的drugaspirin,S_0002样本的drugp-acetamidophenol:

定义一个字典用于囊括所有需要replace的项目,在样本量庞大,整理规则复杂的项目中使用十分便捷。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 201,681评论 5 474
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 84,710评论 2 377
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 148,623评论 0 334
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,202评论 1 272
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,232评论 5 363
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,368评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,795评论 3 393
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,461评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,647评论 1 295
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,476评论 2 317
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,525评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,226评论 3 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,785评论 3 303
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,857评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,090评论 1 258
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,647评论 2 348
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,215评论 2 341

推荐阅读更多精彩内容