内容简介:Pandas是一个强大的分析结构化数据的工具集,主要用于数据挖掘和数据分析,同时也提供数据清洗功能。很多初学者在数据的选取,修改和切片时经常面临一些困惑。这是因为Pandas提供了太多方法可以做同样的事情,方法选择不当,可能导致一些意想不到的错误。Pandas数据访问方式包括:df[] ,.at,.iat,.loc,.iloc(之前有ix方法,pandas1.0之后已被移除)
Pandas是一个强大的分析结构化数据的 工具 集,主要用于数据挖掘和数据分析,同时也提供数据清洗功能。
很多初学者在数据的选取,修改和切片时经常面临一些困惑。这是因为Pandas提供了太多方法可以做同样的事情,方法选择不当,可能导致一些意想不到的错误。
Pandas切片
Pandas数据访问方式包括:df[] ,.at,.iat,.loc,.iloc(之前有ix方法,pandas1.0之后已被移除)
- df[] :直接索引
- at/iat:通过标签或行号获取某个数值的具体位置。
- loc:通过标签选取数据,即通过index和columns的值进行选取。loc方法有两个参数,按顺序控制行列选取,范围包括start和end。
- iloc:通过行号选取数据,即通过数据所在的自然行列数为选取数据。iloc方法也有两个参数,按顺序控制行列选取。
它们之间的区别不是文本重点,大家可以新建一个dataframe练习一下,本文我们主要来一个错误示范,然后给大家提一些合理的建议。
错误示范
新建一个DataFrame
df = pd.DataFrame( {'x':[1,5,4,3,4,5], 'y':[.1,.5,.4,.3,.4,.5], 'w':[11,15,14,13,14,15]}) x y w 0 1 0.1 11 1 5 0.5 15 2 4 0.4 14 3 3 0.3 13 4 4 0.4 14 5 5 0.5 15
假设我们要查找与“x”列对应的所有DataFrame元素都大于3,并根据此更改将所有对应的“ y”值更改为50。
我们来先试一个看起来毫无问题的方法
df[df['x']>3]['y']=50
运行之后,df没有任何变化,Warning如下:
A value is trying to be set on a copy of a slice from a DataFrame. Try using .loc[row_indexer,col_indexer] = value instead
根据提示信息,我们使用loc方法
df.loc[df['x']>3,'y']=50 x y w 0 1 0.1 11 1 5 50.0 15 2 4 50.0 14 3 3 0.3 13 4 4 50.0 14 5 5 50.0 15
得到预期结果√
这是为什么呢?这里我们就遇到了所谓的“链接索引”,具体原因是使用了两个索引器,例如: df[][]
df[df['x']>3] 导致Pandas创建原始DataFrame的单独副本
df[df['x']>3]['y'] = 50 将新值分配给“ y”列,但在此临时创建的副本上,而不是原始DataFrame上。
反转切片的顺序时,即先调用列,然后再调用我们要满足的条件,便得到了预期的结果:
df['y'][df['x']>3]=50 x y w 0 1 0.1 11 1 5 50.0 15 2 4 50.0 14 3 3 0.3 13 4 4 50.0 14 5 5 50.0 15
但是同样会给出一个Warning:
A value is trying to be set on a copy of a slice from a DataFrame
SettingWithCopyWarning 是一个警告 Warning,而不是错误 Error。
这是因为,当我们从DataFrame中仅选择一列时,Pandas会创建一个视图,而不是副本。关于视图和副本的区别,下图最为形象:
df[]方法会创建视图
df x y w 0 1 0.1 11 1 5 0.5 15 2 4 0.4 14 3 3 0.3 13 4 4 0.4 14 5 5 0.5 15 z = df['y'] # view of column 'y' z[z>=0.5] = 30 z 0 0.1 1 30.0 2 0.4 3 0.3 4 0.4 5 30.0 df x y w 0 1 0.1 11 1 5 30.0 15 2 4 0.4 14 3 3 0.3 13 4 4 0.4 14 5 5 30.0 15
当我们创建了视图后,pandas就会出现warning,因为它不知道我们是否只想更改y系列(通过z)或原始值df。
如果我们要提取“z”作为独立对象怎么办?pandas提供了copy()方法,当我们将命令更新为以下所示的命令时:
z = df['y'].copy()
我们将在内存中创建一个具有其自己地址的全新对象,并且对“z”进行的任何更新df都将不受影响。
实际上有两个要点,可以使我们在使用切片和数据操作时免受任何有害影响:
- 避免链接索引。始终选择.loc/ .iloc(或.at/ .iat)方法;
- 使用copy() 创建独立的对象,并保护原始资源免遭不当操纵。
参考
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网
猜你喜欢:- 说说被NLP忽视的逗号
- 后端产品容易忽视的坑(二)
- 不可忽视的前端安全问题——XSS攻击
- 不容忽视的软件质量因素:健壮性
- 前端同学经常忽视的一个JavaScript面试题
- 8种常被忽视的SQL错误用法
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。