©2020-2024 ioDraw All rights reserved
前言：Python数据分析的基础在于对数据的提取，清洗，汇总，并思考整理发现数据规律的过程。以下模块是个人在数据分析常用模块，特此总结，便于查阅，构建数据分析体系。
数据源
导入数据
查看、检查数据DataFrame较为常见，DataFrame的生成可通过读取纯文本、Json等数据来生成，亦可以通过Python对象来生成
selectSelect ONE,THREE from df where index >= 1 and index<= 3 order by index
Select * from df where index >= 1 and index < 3 order by index
Select ONE,THREE from df
WHEREPandas实现where filter，较为常用的办法为df[df[colunm] boolean expr]
SELECT * from df where ONE > 1.1
AND
OR
IN
NOT
LIKE
某列是否包含字符.str.contains('str')
select case when ONE like '字符' then -1 else 0 end from df
DISTINCT保留重复元素中的第一个，删除重复元素的后面列
df.drop_duplicates(subset=['ONE'], keep='first', inplace=False)
1. subset，为选定的列做distinct，默认为所有列
2. keep，值选项{'first', 'last', False}，保留重复元素中的第一个、最后一个，或全部删除；
3. inplace ，默认为False，返回一个新的dataframe；若为True，则返回去重后的原dataframeselect
count(distinct ONE) from df
GROUPgroup一般会配合合计函数(Aggregate functions)使用，
比如：count、avg等。Pandas对合计函数的支持有限，有count和size函数实现SQL的countselect ONE,count(*)
from df group by ONE
select THREE,sum(two) from df grouo by THREE
df.groupby('ONE').agg({'TWO': np.max})
select TWO,count(distinct one) fron df group by TWO
ASSQL中使用as修改列的别名，Pandas也支持这种修改：df.columns = ['A', 'B', 'C']
df.rename(columns={'A': 'ONE', 'B': 'TWO', 'C': 'THREE'}, inplace=True)
JOINPandas中join的实现也有两种
A. JOIN,横向连接 len(df) = len(df1) --> df +
df1,按DataFrame的index进行join的df.join(dfOne, how='left')
B.按on指定的列做join。Pandas满足left、right、inner、full outer四种join方式select * from df as
a left join dfOne as b on a.ONE = b.ONEs
pd.merge(df, dfOne, how='left', left_on='ONE',
right_on='ONEs')df1.join(df2,on=col1,how='inner')：对df1的列和df2的列执行SQL形式的join
OEDERPandas中支持多列order，并可以调整不同列的升序/降序，有更高的排序自由度：select * from df order by ONE
desc,THREE
df.sort_values(['ONE', 'THREE'], ascending=[False, True])
REPALCE全局替换
局部替换
指定条件替换
自定义函数map(func)，为Series的函数，DataFrame不能直接调用，需取列后再调用
apply(func,axis=1) 对DataFrame中的每一行或则列应用函数func
applymap(func)，为element-wise函数，对每一个元素做func操作
数据清洗
单字段的处理
数据缺失的处理，去除数据结构中值为空的数据 或者 数据零填充
数据类型转换,astype(str)转化为字符串
字符串提取,该列中第一个字符，字段的截取
字段的拆分 相当于分列的功能
字段的合并,字段的合并
数据的标准化最小-最大规范化
零-均值规范化
小数定标规范化
数据的分组根据数据分析的对象特征，按照一定的数值指标，把数据分析对象划分为不同的区间的部分来进行研究cut 函数
：cut(series,bins,right=True,labels=NULL)
1.series-需要分组的数据
2. bins-分组的划分数据 right-分组的时候，右边是否闭合，labels-分组的自定义标签，可以不自定义
时间格式转换
日期的抽取
数据保存
总结最后引用数据海洋前辈一句话，‘数据分析是指将隐没在数据中的信息，进行集中、清洗、提炼并发现策略的过程’。独立优秀的数据提取和数据清洗能力是每个数据分析师的基本功，夯实基本功，跑的更远！