数据处理的 3 个小技巧（数据处理的主要任务）

数据处理的 3 个小技巧（数据处理的主要任务）

数据处理无所不在，掌握常用技巧，事半功倍。此系列使用 Pandas 开展数据处理分析，总结其中常用、好用的数据分析技巧。

​

我使用的 Pandas 版本如下，顺便也导入 Pandas 库。

>>> import pandas as pd>>> pd.__version__'0.25.1'

在开始前先确保解释器和数据集在同一目录下：

>>> import os>>> os.chdir('D://source/dataset') # 这是我的数据集所在目录>>> os.listdir() # 确认此目录已经存在 IMDB-Movie-Data 数据集['drinksbycountry.csv', 'IMDB-Movie-Data.csv', 'movietweetings', 'titanic_eda_data.csv', 'titanic_train_data.csv']

准备工作就位后，正式开始数据处理技巧之旅。

1 Pandas 移除某列

导入数据

>>> df = pd.read_csv("IMDB-Movie-Data.csv")>>> df.head(1) # 导入并显示第一行 Rank Title Genre ... Votes Revenue (Millions) Metascore0 1 Guardians of the Galaxy Action,Adventure,Sci-Fi ... 757074 333.13 76.0[1 rows x 12 columns]

使用 pop 方法移除指定列：

>>> meta = df.pop("Title").to_frame() # 移除 Title 列

确认是否已被移除：

>>> df.head(1) # df 变为 11列 Rank Genre ... Revenue (Millions) Metascore0 1 Action,Adventure,Sci-Fi ... 333.13 76.0[1 rows x 11 columns]

2 统计标题单词数

pop 后得到 meta，显示 meta 前 3 行：

>>> meta.head(3) Title0 Guardians of the Galaxy1 Prometheus2 Split

标题是由单词组成，中间用空格分隔。

# .str.count(" ") + 1 得到单词个数 >>> meta["words_count"] = meta["Title"].str.count(" ") + 1 >>> meta.head(3) # words_count 列代表单词个数 Title words_count0 Guardians of the Galaxy 41 Prometheus 12 Split 1

3 Genre 频次统计

下面统计电影 Genre 的频次，

>>> vc = df["Genre"].value_counts()

下面显示电影 Genre 的 Top5 ，最高频为出现 50 次的 Action,Adventure,Sci-Fi 类，次之为 48 次的 Drama 类：

>>> vc.head()Action,Adventure,Sci-Fi 50Drama 48Comedy,Drama,Romance 35Comedy 32Drama,Romance 31Name: Genre, dtype: int64

展示 Top5 的饼状图：

>>> import matplotlib.pyplot as plt>>> vc[:5].plot(kind='pie')>>> plt.show()

技术交流

欢迎转载、收藏、有所收获点赞支持一下！

目前开通了技术交流群，群友已超过2000人，添加时最好的备注方式为：来源+兴趣方向，方便找到志同道合的朋友

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。