chart-7

chart-7

大家好,又见面了,我是全栈君。


  1. # -*- coding: utf-8 -*-
  2. """
  3. Created on Tue Feb 21 15:17:51 2017
  4. @author: zzpp220
  5. """
  6. '''合并(merge)-列或者连接(concat)-行数据集'''
  7. from pandas import DataFrame,Series
  8. from numpy import nan as NaN
  9. import pandas as pd
  10. import numpy as np
  11. import json
  12. df1=DataFrame({
    'left':list('bbacaab'),'data1':range(7)})
  13. df2=DataFrame({
    'right':list('abd'),'data2':range(3)})
  14. df12=pd.merge(df1,df2,left_on='left',right_on='right') ##分为内、外连接、像mysql 一样
  15. ##重塑和轴向旋转 stack: change col to row 和unstack:change row to col
  16. '''这个好!!该有的都由了'''
  17. df3=DataFrame(np.arange(6).reshape((2,3)),index=pd.Index(['sd','gz'],name='state'),columns=pd.Index(['one','two','thr'],name='number'))
  18. '''多重索引的Series和DataFrame可以通过stack,unstack相互转哈,默认情况下取的都是最内层的索引'''
  19. ##将列转为行,得到一个Series,索引是一个多重索引
  20. stack_df3=df3.stack()
  21. #对于一个层次化索引的Series ,可以用unstack 重排为DataFrame。
  22. stack_df3.unstack()
  23. '''
  24. df3.stack()
  25. Out[19]:
  26. state  number
  27. sd     one       0
  28.       two       1
  29.       thr       2
  30. gz     one       3
  31.       two       4
  32.       thr       5
  33. dtype: int64
  34. stack_df3.unstack()
  35. Out[22]:
  36. number  one  two  thr
  37. state                
  38. sd        0    1    2
  39. gz        3    4    5
  40. unstack and stack operate on the in-most level-index,also can operate on other level when give other para
  41. '''
  42. stack_df3.unstack('state')==stack_df3.unstack(0)## operate on the out-most level the same as :
  43. ''''stack_df3.unstack() 默认是按最内层也就是’number‘
  44. Out[22]:
  45. number  one  two  thr
  46. state                
  47. sd        0    1    2
  48. gz        3    4    5
  49.                    stack_df3.unstack('state')==stack_df3.unstack(0)
  50.                    Out[25]:
  51.                    state     sd    gz
  52.                    number            
  53.                    one     True  True
  54.                    two     True  True
  55.                    thr     True  True
  56. '''
  57. '''对全部的营养数据做分析'''
  58. db=json.load(open('/media/zzpp220/Data/Linux_Documents/DOWNLOAD/python-DataAnalysis/pydata-book-master/ch07/foods-2011-10-03.json'))
  59. nutrients=DataFrame(db[0]['nutrients'])
  60. '''
  61. nutrients[:10]
  62. Out[36]:
  63.                   description        group units    value
  64. 0                      Protein  Composition     g    25.18
  65. 1            Total lipid (fat)  Composition     g    29.20
  66. 2  Carbohydrate, by difference  Composition     g     3.06
  67. 3                          Ash        Other     g     3.28
  68. 4                       Energy       Energy  kcal   376.00
  69. 5                        Water  Composition     g    39.28
  70. 6                       Energy       Energy    kJ  1573.00
  71. 7         Fiber, total dietary  Composition     g     0.00
  72. 8                  Calcium, Ca     Elements    mg   673.00
  73. 9                     Iron, Fe     Elements    mg     0.64
  74. '''
  75. info_keys=['description','group','id','manufacturer']
  76. info=DataFrame(db,columns=info_keys)##仅仅导入db中的info_keys中的字段,其他的就不导入了; 
  77. info[:5]
  78. '''查看食物类别的分布情况'''
  79. #info.group.value_counts()[:10]#查看group中的分布情况==pd.values_count(info.group)
  80. '''将所有的食物的营养成分整合到一个大表中'''
  81. nutrients=[]
  82. for rec in db:
  83.    fnuts=DataFrame(rec['nutrients'])##将各食物的营养成分整合到一个大表
  84.    fnuts['id']=rec['id']#并且在表中添加一个表示编号的列,用原来的表中的值赋值
  85.    nutrients.append(fnuts)#依次将DataFrame添加到大的list中
  86. nutrients=pd.concat(nutrients,ignore_index=True)##用concat连接起来大表
  87. '''查看表中有多少重复项'''
  88. nutrients.duplicated().sum()
  89. '''丢弃重复项'''
  90. nutrients.drop_duplicates()
  91. '''重命名对象中的列名(因为二者有相同的列,可能会混淆)'''
  92. col_mapping={
    'description':'food','group':'fgroup'}
  93. info=info.rename(columns=col_mapping,copy=False)
  94. '''
  95. info.rename(columns=col_mapping,copy=False)[:3]
  96. Out[50]:
  97.              food                  fgroup    id manufacturer
  98. 0  Cheese, caraway  Dairy and Egg Products  1008            
  99. 1  Cheese, cheddar  Dairy and Egg Products  1009            
  100. 2     Cheese, edam  Dairy and Egg Products  1018
  101. '''
  102. col_mapping={
    'description':'nutrients','group':'nutgroup'}
  103. nutrients=nutrients.rename(columns=col_mapping,copy=False)
  104. '''合并info和nutrients'''
  105. ndata=pd.merge(nutrients,info,on='id',how='outer')
  106. '''根据营养分类,得出锌的中位值'''
  107. result=ndata.groupby(['nutrients','fgroup'])['value'].quantile(0.5)

转载于:https://www.cnblogs.com/zzxx-myblog/p/6481284.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/108645.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)


相关推荐

  • java jersey使用总结_jersey Java Jersey配置「建议收藏」

    java jersey使用总结_jersey Java Jersey配置「建议收藏」示例此示例说明了如何配置Jersey,以便您可以开始将其用作RESTfulAPI的JAX-RS实现框架。假设您已经安装了ApacheMaven,请按照以下步骤设置Jersey:创建MavenWeb项目结构,在终端(Windows)中执行以下命令mvnarchetype:generate-DgroupId=com.stackoverflow.rest-DartifactId=jerse…

  • 一台服务器请求另一台时,用公网IP和内网IP访问时的区别?

    一台服务器请求另一台时,用公网IP和内网IP访问时的区别?假定服务器A的IP=10.1.1.2/24服务器B的IP=10.1.1.3/24,对内提供的服务10.1.1.3:80对Internet提供的服务1.1.1.1:80NAT设备LAN=10.1.1.1/24,WAN=1.1.1.1,NAT设备兼任局域网的网关内网IP访问服务器A访问服务器B内网IP=10.1.1.3:80,直接通信,流量不…

  • Spring整合Sharding-JDBC分库分表详情

    Spring整合Sharding-JDBC分库分表详情Spring整合Sharding-JDBC分库分表详情一、概述最初线上系统的业务量不是很大,业务数据量并不大,比如说单库的数据量在百万级别以下(事实上千万级别以下都还能支撑),那么MySQL的单库即可完成任何增/删/改/查的业务操作。随着业务的发展,单个DB中保存的数据量(用户、订单、计费明细和权限规则等数据)呈现指数级增长,那么各种业务处理操作都会面临单DB的IO读写瓶颈带来的性能问题。S…

  • curl源码编译安装

    curl源码编译安装平台:Ubuntu20方法一:apt-get使用内置的apt下载工具进行安装,sudoapt-getinstallcurl方法二:从官网下载压缩包在官网可以找到curl的多个版本,http://curl.haxx.se/download/wgethttps://curl.haxx.se/download/curl-7.55.1.tar.gztar-xzvfcurl-7.55.1.tar.gzcdcurl-7.55.1./configurema

  • python 安装whl文件「建议收藏」

    python 安装whl文件「建议收藏」python安装whl文件使用场景:在terminal中通过pipinstall命令进行第三方模块安装时,由于网络获其他原因会使得第三方模块下载失败,导致安装失败。此时,我们可以先通过下载网址将第三方模块包手动下载到本地,再手动进行安装。许多第三方模块包为whl文件,这就…

  • 网页下载文件错误_python安装报错

    网页下载文件错误_python安装报错如图,使用webdriver的过程中出现如下提示,代码正常,下载地址正常,在正常浏览器中也可以成功下载文件但是模拟浏览器却无法成功获取文件;尝试了开发模式启动、禁用或启用js等等,都没有成功,快要放弃chrome准备改选firefox的时候,看到了一个解决方法:此方法只针对一种情况有效:如果你在下载路径前加了r,转义了原始字符串,如下那么,去掉“r”试一下成功了如有问题请留言…

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号