用pandas轻松搞定数据探索性分析(pandas参数、pandas风格、pandas-profiling)

2023-12-24 17:08

本文主要是介绍用pandas轻松搞定数据探索性分析(pandas参数、pandas风格、pandas-profiling),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

对于每个从事和数据科学有关的人来说,大部分的时间都花在了前期的数据工作中,包括清洗、处理、探索性数据分析等。前期的工作不仅关乎数据的质量,也关乎最终模型预测效果的好坏。本文介绍一些比较冷门但效果不错的pandas方法来对数据进行初步探索,已经最后介绍一个非常方便实用的库pandas-profiling。

import pandas as pd
import numpy as np

展示全部特征列 

data = pd.read_csv('loans_2020.csv')
data.head()

首先我们看到,对于一些比较大型的数据集导入时,会像上图这样将特征缩略,不能很好地直观看到所有的特征,那么此时可以将pandas的设置更改一下:

pd.set_option('display.max_columns', None)
data.head()

其中None可以改为你想要展示的具体最大列数。

展示单元格的全部内容

data1 = pd.DataFrame({'name': ['O'*80, 'X'*80]})
data1

像上图中如果一个单元格内的内容太多可能会缩略掉,若想展示全部内容的话也可以通过pandas设置来改变:

pd.set_option('display.max_colwidth', None)
data1

改变单元格中的浮点数位数

data2 = pd.DataFrame(np.random.randn(8, 5))
data2

pandas的单元格内浮点数默认为六位,我们可以通过pandas的设置来改变浮点数的位数:

pd.set_option('display.precision', 3)
data2

重置pandas设置

比如我们想要将上面的浮点数设置还原成原来的六位,那我们可以通过reset_option:

pd.reset_option('display.precision')
data2


改变单元格中浮点数的格式

pd.set_option('display.float_format', '{:.2%}'.format)
data2

还可以通过format的方法对不同的列进行不同的改变格式,首先创建一个分组数据:

pd.reset_option('display.float_format')
data.groupby('grade')['installment'].agg(['mean', 'sum', 'count']).reset_index()

然后通过.style.format的方法:

data.groupby('grade')['installment'].agg(['mean', 'sum', 'count']).reset_index().style.format({'mean':'${0:,.2f}', 'sum':'${0:,.2f}'})

 

用色条显示出列中的最大值与最小值

然后我们再尝试加入新的一列:

group_data = data.groupby('grade')['installment'].agg(['mean', 'sum', 'count']).reset_index()
group_data['count_%'] = group_data['count']/data['installment'].count()
group_data

format_dict = {'mean':'${0:,.2f}', 'sum': '${0:,.0f}', 'count_%': '{:.2%}'}(group_data.style.format(format_dict).highlight_max(subset='count_%', color='red').highlight_min(subset='count_%' ,color='lightgreen'))

 

用渐变色块展示列中数值的大小

(group_data.style.format(format_dict).background_gradient(subset=['mean', 'sum'], cmap='BuGn'))

在dataframe中我们还可以使用柱状图来展示:

(group_data.style.format(format_dict).bar(color='lightblue', vmin=0, subset=['mean'], align='left').bar(color='lightgreen', vmin=0, subset=['sum'], align='left'))

 

一行代码展示数据探索性分析

利用pandas-profiling库我们可以非常便捷有效地对pandas数据进行初步探索性分析。

首先是安装方法:

# 注意是“-”而不是“_”
pip install pandas-profiling
# 清华源
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pandas-profiling
from pandas_profiling import ProfileReport
# 两种方法,ProfileReport(data)或者下面这种
data.profile_report()

经过片刻等待后,一份清晰完整的数据探索性分析报告就展示在我们面前了,包括每个特征的属性与分布,一些警告,特征之间的相关性,以及对缺失值的统计等。 

 


数据集与代码可关注公众号“数据科学与人工智能技术”并发送“探索性分析”获取。

 

这篇关于用pandas轻松搞定数据探索性分析(pandas参数、pandas风格、pandas-profiling)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/532481

相关文章

Android kotlin中 Channel 和 Flow 的区别和选择使用场景分析

《Androidkotlin中Channel和Flow的区别和选择使用场景分析》Kotlin协程中,Flow是冷数据流,按需触发,适合响应式数据处理;Channel是热数据流,持续发送,支持... 目录一、基本概念界定FlowChannel二、核心特性对比数据生产触发条件生产与消费的关系背压处理机制生命周期

SQL中如何添加数据(常见方法及示例)

《SQL中如何添加数据(常见方法及示例)》SQL全称为StructuredQueryLanguage,是一种用于管理关系数据库的标准编程语言,下面给大家介绍SQL中如何添加数据,感兴趣的朋友一起看看吧... 目录在mysql中,有多种方法可以添加数据。以下是一些常见的方法及其示例。1. 使用INSERT I

Python使用vllm处理多模态数据的预处理技巧

《Python使用vllm处理多模态数据的预处理技巧》本文深入探讨了在Python环境下使用vLLM处理多模态数据的预处理技巧,我们将从基础概念出发,详细讲解文本、图像、音频等多模态数据的预处理方法,... 目录1. 背景介绍1.1 目的和范围1.2 预期读者1.3 文档结构概述1.4 术语表1.4.1 核

MySQL 删除数据详解(最新整理)

《MySQL删除数据详解(最新整理)》:本文主要介绍MySQL删除数据的相关知识,本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友参考下吧... 目录一、前言二、mysql 中的三种删除方式1.DELETE语句✅ 基本语法: 示例:2.TRUNCATE语句✅ 基本语

怎样通过分析GC日志来定位Java进程的内存问题

《怎样通过分析GC日志来定位Java进程的内存问题》:本文主要介绍怎样通过分析GC日志来定位Java进程的内存问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录一、GC 日志基础配置1. 启用详细 GC 日志2. 不同收集器的日志格式二、关键指标与分析维度1.

Java内存分配与JVM参数详解(推荐)

《Java内存分配与JVM参数详解(推荐)》本文详解JVM内存结构与参数调整,涵盖堆分代、元空间、GC选择及优化策略,帮助开发者提升性能、避免内存泄漏,本文给大家介绍Java内存分配与JVM参数详解,... 目录引言JVM内存结构JVM参数概述堆内存分配年轻代与老年代调整堆内存大小调整年轻代与老年代比例元空

MyBatisPlus如何优化千万级数据的CRUD

《MyBatisPlus如何优化千万级数据的CRUD》最近负责的一个项目,数据库表量级破千万,每次执行CRUD都像走钢丝,稍有不慎就引起数据库报警,本文就结合这个项目的实战经验,聊聊MyBatisPl... 目录背景一、MyBATis Plus 简介二、千万级数据的挑战三、优化 CRUD 的关键策略1. 查

python实现对数据公钥加密与私钥解密

《python实现对数据公钥加密与私钥解密》这篇文章主要为大家详细介绍了如何使用python实现对数据公钥加密与私钥解密,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录公钥私钥的生成使用公钥加密使用私钥解密公钥私钥的生成这一部分,使用python生成公钥与私钥,然后保存在两个文

mysql中的数据目录用法及说明

《mysql中的数据目录用法及说明》:本文主要介绍mysql中的数据目录用法及说明,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录1、背景2、版本3、数据目录4、总结1、背景安装mysql之后,在安装目录下会有一个data目录,我们创建的数据库、创建的表、插入的

MySQL中的表连接原理分析

《MySQL中的表连接原理分析》:本文主要介绍MySQL中的表连接原理分析,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录1、背景2、环境3、表连接原理【1】驱动表和被驱动表【2】内连接【3】外连接【4编程】嵌套循环连接【5】join buffer4、总结1、背景