Pandas 数据分析第 六 集

Python与算法社区

第 447 篇原创，干货满满

三步加星标

01

02

03

三步加星标

你好，我是 zhenguo

Pandas 使用技巧最近连载 5 篇，是时候分析一下它的基本框架。Pandas 使用行索引和列标签表达和分析数据，分别对应 axis=0, axis=1，行索引、列标签带来一些便捷的功能。

如果玩Pandas，还没有注意到对齐 alignment，这个特性，那该好好看看接下来的分析。

基于行索引的对齐，与基于列标签的对齐，原理是一致的，它们其实相当于字典的 key，起到对齐数据作用。但是，这种说法抽象了些，没有例子不好想象出对齐的作用。

下面使用前几天推荐你的 9 个小而经典的数据集，里的 google app store 这个小而经典的数据集，重点分析“行对齐”功能，理解它后，列对齐也自然理解。

导入包：

import pandas as pd 
import numpy as np

import matplotlib.pyplot as plt
import seaborn as sns

版本号：

print(pd.__version__)
print(np.__version__)
print(sns.__version__)

1.0.1
1.18.1
0.11.0

导入数据：

df = pd.read_csv('kaggle-data/googleplaystore.csv')
df.head(3)

剔除一些异常数据后得到 df_normal，根据 Rating 为每个 app 排名

rank = df_normal.Rating.rank(method='min',na_option='bottom',ascending=False)
rank.head(3)

method 参数指定：Rating 值相等时排名取小，na_option 指定空值排到最后，ascending 指定倒序

将上面得到的新列 rank 插入 df_normal 中：

df_normal.insert(2,'rank', rank, allow_duplicates=True)
df_normal.head(3)

因为 df_normal 和 rank 的行索引 index 都是从0 开始的自增，所以即便没有自动对齐，也是准确的：

但是，你看下面的情况，自动对齐的方便性就能显示出来

根据 Reviews 列排序

### 根据 Reviews 次数从少到多排序
df_by_reviews = df_normal.sort_values(by='Reviews')
df_by_reviews.head(3)

得到 df_by_reviews ，注意它的 index 不是按照从0自增

此时在 df_by_reviews 中，插入 rank 还能确保数据对齐吗

### 此时插入排名 rank 列，数据会自动对其
df_by_reviews.insert(3,'rank_copy',rank)
df_by_reviews.head()

看到 rank 列 和 rank_copy 列相等，通过下面一行代码验证出来：

len( df_by_reviews[ df_by_reviews['rank'] == df_by_reviews['rank_copy'] ]) == len(df_by_reviews)

由此可见，Pandas已经为数据自动对齐。

但是，如果 rank 的 index 某些索引值没有出现在 df_by_reviews中， 此时又会怎么对齐呢？

### 如果后者index序列中某些值没有出现在df_by_reviews的index中
### 举个例子
df_test = pd.DataFrame({'a':[1,4,7],'b':[5,2,1]},index=[4,3,1])
ser = pd.Series(index=[3,2,1],data=[0,9,8])

结果如上图所示，ser 索引值 2 在 df_test 中找不到对应，故为 NaN

以上就是 Pandas 数据对齐的一个基本介绍，知道这些基本原理后再去使用Pandas 做数据分析，心里才会更有谱。

基于 google app store 我还展开一些其它数据探索分析，如果想要这个jupyter notebook，微信我备注：app

不必打赏

给我点个赞

就心满意足了