开发者学堂课程【Python 常用数据科学库：Pandas 常用操作2】学习笔记，与课程紧密联系，让用户快速学习知识。
课程地址：https://developer.aliyun.com/learning/course/546/detail/7490
Pandas 常用操作2
内容介绍
一、按要求构造数据
二、bins 分组
三、填充缺失值
一、按要求构造数据
1、当构造一个新的列的时候，不光可以指定这个列名，也可以用一个 DataFrame 的操作。重新再构造一个 pandas 结构，在 DataFrame 中重新指定一些值：data1， data2，这样就构造出来一个数据，五个数据构造完之后，要构造一个新的值或者新的特征。这个新特征它的名字叫做 ration，就是一个比例，它等于 DataFrame 里的data1，把 data1一传进去，要它等于 data1和 data2 的比值，看这样能不能把这个数据构造出来。
import numpy as np
df=pd.DataFrame({'data1':np.random.randn(5),
data2':np.random.randn(5})
df.assign(ration =df['datal']/df['data2'])
执行看一下当前结果，也就是说可以直接通过这样的操作，在数据当中加上这么一个列，可以自己指定列名，也可以直接 assign 一下，然后指定列是等于其它的什么计算。
2、当做完了这个数据之后，想去掉 drop 一下就可以，比如说想把刚才做的这个东西给它 drop 掉，drop 的时候指定把它整个列都去掉，然后 inplace 等于 True 值
df2.drop('ration',axis='columns’,inplace=True）
然后再执行一下，结果确实就给它 drop 掉了。
3、这就是可以去掉一个数据，在去掉数据的时候，也可以进行替换。比如说定义data 等于 pandas 点 Series 结构，Series 结构里随便传一些值，比如说123456789
data=pd.Series([1,2,3,4,5,6,7,8,9])
data
执行得到 data。
有了这样一个数据之后， 输入 replace，替换 data 中的值，比如9这个值不想要了，想替换成 np.nan 这个格式，然后指定一个 in place 等于 True 值
data.replace(9,np. nan.inplace-True)
执行这样就把9这个值替换掉了，也可以在列或者行当中去替换一个值，这些都是可以的。
4、可以去替换一个值，也可以替换多值，替换多值写成一个 list 传进去，就可以了，所以可以执行很多种替换的方式。比如现在有一个年龄的数据， 15，18、20、21、22， 34，41，52，64， 79，接下来要把这个年龄数据给它划分到一个一个的组当中，相当于把连续值进行一个离散化。需要指定离散化的一个区间，比如指定bins，里面写上10~40，40~80，分成两个组。然后要对数据执行一个操作，这个时候也可以用 pandas 去完成。bins_res 就等于 pandas 点 cut，把 ages 进行切分，按照刚才设计的 bins 去切分
ages =[15,18, 20, 21,22,34,41,52,63,79]
bins = [10, 40, 80]
bins_res=pd.cut(ages,bins)
bins_res
看一下结果吧， 结果第一个数据是10~40，第二个是10~40，一直到41这个值才是40~80，也就是把数据分割成了这么多组，每个组其实就是两个 bins，一个是10~41一个是40~80，得到这样一个结果。
二、bins 分组
1、 对于这个结果来说，还可以调一下它的一些属性，比如说可以看它的 labels，bins_res.labels labels 就相当于是当前 bins 它的结果是属于第几个，这里现在只有10~40和40~80，所以 labels 里只有0和1，0和1相当于把原始数据做了一个映射，映射到了两个区间，然后又对区间做了一个编码。
2、所以在之后去构造一些特征的时候，也经常会用到 bins 分组的一个特性的，除了labels，还可以调 pandas 点 value_counts, 在 value_counts 里传进来pd.value_counts(bins_res)
看一下当前的结果，当前在这个10~40这个区间里有6个，在40~80这个区间里有4个，也就是说不光能把每个值调出来它是属于某一个区间的，还可以去统计一下当前这个区间一共有多少个值。
3、也可以在pandas cut里把ages值拿进来，可以自己写区间对它进行区分，写个10~30，30~50，50~80这样一个区间
pd.cut(ages[10,30,50,80])
也就是说可以把这个东西写成一个 bins，也可以把直接传进来，这些都是没有什么问题的，这样我就得到当前的一个结果。
4、当 cut 的时候，也可以指定切分之后组的名字。写 group_names，分组的名字里比如说有个比较年轻的 youth，还有一个 mille 还有一个 old 的吧，分成三个组，指定完组的名字之后，pandas.cut 一下，把 ages 传进来，然后在 ages 里自己指定bins，年轻的就是10~20，稍微中等一些的20~50，然后50~80，指定这样一个区间，bins 指定完之后，可以再指定一个 labels，让 labels 等于 group_names，在value_counts 里看更直接一些，然后直接 pd.cut 传到这里
group_names =['Yonth',' Mille','0ld']
pd.value_counts (pd.cut(ages,[10,20,50,80],labels=group_names)
执行一下。mille 里有四个人，old 有三个人，youth 有三个人，也就是在 cut 的时候也可以指定当前的一个别名，相当于换个 bins，换完 bins 之后告诉这个 bins 叫什么名字。
三、填充缺失值
1、下面还是构造一个 DataFrame ，当数据当中有一些缺失值的时候，在 DataFrame 当中，随便构造一个 range 3，后面还可以加上一些值，比如0，np.nan,0。再加上一个数据0,0,np.nan，有一些却是值，这里再加一个 range
df = pd.DataFrame( range(3), [0, np.nan,0], [0,0, np. nan],range (3))
df
然后执行一下，这里就随便构造了一些数据，012，有的带一些缺失值，那有缺失值的时候该怎么样去查找一下数据中是不是有这个缺失值，可以用 df.isnull()，先来执行一下，打印 False 的就说明它不是缺失值，打印 True 的就是是缺失值，相当于把原始数据拿过来了，只不过说用一种布尔类型把这个数据进行了一个替换。
2、这里可能想看的就是哪一行它有一个缺失值，比如说现在这些数据当中，可以按照行或者按照列来进行指定。
df.isnull().any()
先直接执行一下，它会告诉012列是否有缺失值，第一列没有缺失值，第二列有，第三列也有，这是直接点 isnull，它有默认值的，这是按照列去看，按照行去看需要再指定一下
df.isnull().any(axis=1)
执行零行第一行有第二行有第三，通过 isnull.any 就可以看一下当前数据当中是不是有缺失值。
3、如果有缺失值，可以去 fillna 一下：df. fillna(5)，执行一下，就是有缺失值的地方，拿数值5进行了一个填充，这里可以拿一个单独的值或者可以去算一下当前某一列的均值，中位数，或者众数什么的，可以按照任意的指标去指定，有缺失值可以把缺失值填充一下。
4、然后这里把缺失值的位置找到，相当于制定一个索引结构，把索引结构回传到DataFrame 当中，这样就找到了那些带缺失值的行，就是把缺失值做一个定位，定位完之后就可以展现出来，就可以观察缺失值是什么，再去 fillna 填充缺失值，关于这个缺失值，有一些操作可以找缺失值，然后也可以对缺失值进行基本的填充的操作。
