跳到主要内容

Pandas 数据转换

在数据分析中，数据转换是一个至关重要的步骤。它涉及将原始数据转换为更适合分析的格式或结构。Pandas 提供了丰富的功能来帮助我们完成这些任务。本文将介绍如何使用 Pandas 进行数据转换，包括数据类型转换、数据重塑、数据聚合等操作。

1. 数据类型转换​

在数据分析中，确保数据类型的正确性非常重要。Pandas 提供了多种方法来转换数据类型。

示例：转换数据类型​

假设我们有一个包含混合数据类型的 DataFrame：

python
import pandas as pd

data = {
    'A': [1, 2, 3],
    'B': ['4', '5', '6'],
    'C': [7.1, 8.2, 9.3]
}

df = pd.DataFrame(data)
print(df.dtypes)

输出：

A      int64
B     object
C    float64
dtype: object

我们可以使用 astype() 方法将列 B 转换为整数类型：

python
df['B'] = df['B'].astype(int)
print(df.dtypes)

输出：

A      int64
B      int64
C    float64
dtype: object
提示

在转换数据类型时，确保数据是兼容的。例如，尝试将非数字字符串转换为整数会导致错误。

2. 数据重塑​

数据重塑是指将数据从一种结构转换为另一种结构。Pandas 提供了多种方法来实现这一点，例如 pivot、melt 和 stack/unstack。

示例：使用 pivot 进行数据重塑​

假设我们有一个包含销售数据的 DataFrame：

python
data = {
    'Date': ['2023-01-01', '2023-01-01', '2023-01-02', '2023-01-02'],
    'Product': ['A', 'B', 'A', 'B'],
    'Sales': [100, 150, 200, 250]
}

df = pd.DataFrame(data)
print(df)

输出：

         Date Product  Sales
0  2023-01-01       A    100
1  2023-01-01       B    150
2  2023-01-02       A    200
3  2023-01-02       B    250

我们可以使用 pivot 方法将数据重塑为以 Date 为索引，Product 为列的形式：

python
pivot_df = df.pivot(index='Date', columns='Product', values='Sales')
print(pivot_df)

输出：

Product       A    B
Date                
2023-01-01  100  150
2023-01-02  200  250
备注

pivot 方法适用于将长格式数据转换为宽格式数据。

3. 数据聚合​

数据聚合是指将多个数据点合并为单个数据点。Pandas 提供了 groupby 方法来实现这一点。

示例：使用 groupby 进行数据聚合​

假设我们有一个包含销售数据的 DataFrame：

python
data = {
    'Date': ['2023-01-01', '2023-01-01', '2023-01-02', '2023-01-02'],
    'Product': ['A', 'B', 'A', 'B'],
    'Sales': [100, 150, 200, 250]
}

df = pd.DataFrame(data)
print(df)

输出：

         Date Product  Sales
0  2023-01-01       A    100
1  2023-01-01       B    150
2  2023-01-02       A    200
3  2023-01-02       B    250

我们可以使用 groupby 方法按 Product 列对数据进行分组，并计算每个产品的总销售额：

python
grouped_df = df.groupby('Product')['Sales'].sum()
print(grouped_df)

输出：

Product
A    300
B    400
Name: Sales, dtype: int64
警告

在使用 groupby 时，确保选择正确的列进行分组和聚合。

4. 实际案例​

案例：处理销售数据​

假设我们有一个包含销售数据的 CSV 文件 sales_data.csv，内容如下：

Date,Product,Sales
2023-01-01,A,100
2023-01-01,B,150
2023-01-02,A,200
2023-01-02,B,250

我们可以使用 Pandas 读取数据并进行数据转换：

python
df = pd.read_csv('sales_data.csv')

# 转换数据类型
df['Date'] = pd.to_datetime(df['Date'])

# 数据重塑
pivot_df = df.pivot(index='Date', columns='Product', values='Sales')

# 数据聚合
grouped_df = df.groupby('Product')['Sales'].sum()

print(pivot_df)
print(grouped_df)

输出：

Product       A    B
Date                
2023-01-01  100  150
2023-01-02  200  250

Product
A    300
B    400
Name: Sales, dtype: int64

总结​

在本文中，我们介绍了如何使用 Pandas 进行数据转换，包括数据类型转换、数据重塑和数据聚合。这些操作是数据清洗和分析的基础，掌握它们将帮助你更有效地处理和分析数据。

附加资源​

练习​

  1. 尝试将以下 DataFrame 中的 Price 列从字符串转换为浮点数：
python
data = {
    'Product': ['A', 'B', 'C'],
    'Price': ['10.5', '20.3', '30.7']
}

df = pd.DataFrame(data)
  1. 使用 melt 方法将以下 DataFrame 从宽格式转换为长格式：
python
data = {
    'Date': ['2023-01-01', '2023-01-02'],
    'A': [100, 200],
    'B': [150, 250]
}

df = pd.DataFrame(data)

通过完成这些练习，你将更好地理解 Pandas 数据转换的概念和应用。