博客
关于我
数据应用apply练习
阅读量:743 次
发布时间:2019-03-22

本文共 941 字,大约阅读时间需要 3 分钟。

数据应用相对练习

以下是基于Numpy和Pandas的数据操作演练步骤:

1. 创建包含3行5列的DataFrame对象,数值范围在1-8之间

首先,我们在环境中导入必要的库:

import numpy as np  import pandas as pd

接下来,创建一个3行5列的随机整数数据并生成DataFrame:

df1 = pd.DataFrame(np.random.randint(1, 8, (3,5)))

这将生成如下数据表:

0 1 2 3 4
2 1 5 2 5
2 6 4 2 5
2 7 1 5 6

2. 按照列表'a','b','a'进行行分组

根据指定的列表进行分组:

df1_1 = df1.groupby(['a', 'b', 'a'])

执行后,结果将被划分为以下分组:

('a', 0, 1, 2, 3, 4)

('a', 1, 2, 3, 4)
('a', 2, 1, 2, 3, 4)

3. 为每个元素加1

对数据框中的每个元素执行加1操作:

df1_1 = df1_1.apply(lambda x: x + 1)

此次操作后的结果如下:

0 1 2 3 4
3 2 6 3 6
3 7 5 3 7
3 8 2 4 8

4. 将每个元素加上其所在列的和

首先计算 DataFrame 的总和:

sum_columns = df1.sum()   # 列的总和

结果:

0: 61
1:142
2:103
3:94
4:16

然后对每个元素加上对应列的和:

df1_1 = df1_1.apply(lambda x: x + df1.sum())

最终表格为:

0 1 2 3 4
8 (2+62) 15 (2+13) 15 (2+13) 8 (+previous sum) 21 (+previous sum)
8 (2+62) 20 (3+17) 14 (3+11) 8 (+previous sum) 21 (+previous sum)
8 (2+62) 21 (4+17) 11 (4+7 8 (+previous sum) 22 (+previous sum)

请注意,这些数值用于展示操作过程,具体应用时请根据实际数据调整。

转载地址:http://nutwk.baihongyu.com/

你可能感兴趣的文章
MySQL慢查询-开启慢查询
查看>>
MySQL慢查询分析和性能优化的方法和技巧
查看>>
MySQL慢查询日志总结
查看>>
Mysql慢查询日志,查询截取分析
查看>>
MySQL慢查询问题排查
查看>>
mysql截取sql语句
查看>>
mysql截取身份证号前几位_EXCEL中怎样截取身份证号前六位数字
查看>>
mysql手工注入
查看>>
MySQL执行SQL文件出现【Unknown collation ‘utf8mb4_0900_ai_ci‘】的解决方案
查看>>
Mysql执行update by id的过程
查看>>
mysql执行计划
查看>>
MySQL执行计划 EXPLAIN参数
查看>>
MySQL执行计划【explain】,看这一篇就够啦!
查看>>
Mysql执行计划字段解释
查看>>
mysql执行计划怎么看
查看>>
MySQL执行计划解读
查看>>
mysql执行顺序与索引算法
查看>>
mysql批量update优化_Mysql中,21个写SQL的好习惯,你值得拥有呀
查看>>
mysql批量update操作时出现锁表
查看>>
MYSQL批量UPDATE的两种方式
查看>>