我使用的 Pandas 版本如下，顺便也导入 Pandas 库。
|
1
2
3
|
>>> 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：
|
1
2
3
4
|
>>> 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
|
1
2
3
4
5
6
|
>>> 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：
|
1
|
>>> meta = df.pop("Title").to_frame() # 移除 Title 列 |
确认是否已被移除：
|
1
2
3
4
5
|
>>> 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：
|
1
2
3
4
5
|
>>> 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。
|
1
2
3
4
5
6
7
|
# .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，
|
1
|
>>> 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：
|
1
2
3
4
5
6
7
|
>>> vc.head()Action,Adventure,Sci-Fi 50Drama 48Comedy,Drama,Romance 35Comedy 32Drama,Romance 31Name: Genre, dtype: int64 |
展示 Top5 的饼状图：
|
1
2
3
4
|
>>> import matplotlib.pyplot as plt>>> vc[:5].plot(kind='pie')<matplotlib.axes._subplots.AxesSubplot object at 0x000001D65B114948>>>> plt.show() |
到此这篇关于Python数据处理的三个实用技巧分享的文章就介绍到这了,更多相关Python 数据处理内容请搜索服务器之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持服务器之家！
原文链接：https://blog.csdn.net/weixin_38037405/article/details/123869850
