pandas的唯一值、值计数以及成员资格的示例_Python

pandas的唯一值、值计数以及成员资格的示例

2021-03-20 00:46修炼之路 Python

今天小编就为大家分享一篇pandas的唯一值、值计数以及成员资格的示例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

1、Series唯一值判断

				?

									s = Series([3,3,1,2,4,3,4,6,5,6])

									#判断Series中的值是否重复,False表示重复

									print(s.is_unique)

									#False

									#输出Series中不重复的值,返回值没有排序，返回值的类型为数组

									print(s.unique())

									#[3 1 2 4 6 5]

									print(type(s.unique()))

									#<class 'numpy.ndarray'>

									#统计Series中重复值出现的次数,默认是按出现次数降序排序

									print(s.value_counts())

									'''

									3 3

									6 2

									4 2

									5 1

									2 1

									1 1

									'''

									#按照重复值的大小排序输出频率

									print(s.value_counts(sort=False))

									'''

									1 1

									2 1

									3 3

									4 2

									5 1

									6 2

									'''

2、成员资格判断

a、Series的成员资格

				?

									s = Series([5,5,6,1,1])

									print(s)

									'''

									0 5

									1 5

									2 6

									3 1

									4 1

									'''

									#判断矢量化集合的成员资格,返回一个bool类型的Series

									print(s.isin([5]))

									'''

									0  True

									1  True

									2 False

									3 False

									4 False

									'''

									print(type(s.isin([5])))

									#<class 'pandas.core.series.Series'>

									#通过成员资格方法选取Series中的数据子集

									print(s[s.isin([5])])

									'''

									0 5

									1 5

									'''

b、DataFrame的成员资格

				?

									a = [[3,2,6],[2,1,4],[6,2,5]]

									data = DataFrame(a,index=["a","b","c"],columns=["one","two","three"])

									print(data)

									'''

									 one two three

									a 3 2  6

									b 2 1  4

									c 6 2  5

									'''

									#返回一个bool的DataFrame

									print(data.isin([1]))

									'''

									  one two three

									a False False False

									b False True False

									c False False False

									'''

									#选取DataFrame中值为1的数，其他的为NaN

									print(data[data.isin([1])])

									'''

									 one two three

									a NaN NaN NaN

									b NaN 1.0 NaN

									c NaN NaN NaN

									'''

									#将NaN用0进行填充

									print(data[data.isin([1])].fillna(0))

									'''

									 one two three

									a 0.0 0.0 0.0

									b 0.0 1.0 0.0

									c 0.0 0.0 0.0

									'''