（7）Python初入坑之pandas基礎實操六

本節講解數據的轉換，重複數據的處理，字元串操作以及數據的離散化。

先來回顧一下stack和unstack。stack是把列索引變換到行索引的內層去，unstack會把行索引變換到列索引的內層去，形成層次化索引。

一、移除重複數據

先來設定一個具有重複數據的DataFrame。

可以使用duplicated() 函數來查看哪些數據有重複，並返回布爾值。一個重複數據第一次出現還不是重複數據，第二次出現就是重複數據了。

使用drop_duplicates() 就可以刪除重複的值，只保留不重複的值了。

其中k1和k2都有重複項，上述是默認根據k2數值列，來進行篩選操作，留下了1,2,3。如果我要根據指定的列來進行重複數據篩選，例如k1，我要篩選出不重複的one和two，則需要指定k1。

數據的替換，可以使用replace()函數，把指定的值換成其他值。例如我想把所有為2的值，換成空值NaN。

我們也可以把很多數據替換。例如我要把2和3都替換成NaN值。

二、字元串的操作

如果我要對一個字元串進行操作，例如替換等，如何操作呢？

先創建一個dataframe。

好的，跟著教程創建了一個無敵長的dataframe，反正就是北京各個地方房子出租出售的信息。

要把k2這一列的beijing替換成shanghai，可以使用apply或者map函數，apply可以用於對dataframe所有元素或者某一個Series的函數應用，map只能對Series應用函數。

輸入代碼，報錯了。因為k2中有一個NaN值。因為NaN也在k2列之中，replace無法對空值進行操作。這個時候我們要k2選取，精確到k2的字元串的選取，避開空值，怎麼操作呢？加上str，再直接用str的函數replace即可。

如果要查看某列是否包含一個字元串，同樣可以用str的方法。

變化為大寫，使用upper()

把連在一起的字元串分割開來，例如設定用逗號分割開來，使用split() 進行操作。

三、數據離散化

離散化可以簡單理解為數據的分組或者分布。方便分析。

首先定義一個整型分布的dataframe。並選取head() 默認顯示前5行

數據的範圍是1到50，這個時候我們想研究數據的分布情況，可以給數據分組，來進行劃分。比如我們劃分成這麼幾個組。0-10,10-20,20-30,30-40,40-50。可以用bins= 來設定分組，然後再使用pd.cut() ，來實現分組。這次我們以k1列為分組的列。

可以看出，最後輸出的結果，是體現了k1這一列的20行，即20個數據，每一個數據都在哪一個分組裡面。

可以看出，分組默認的括弧是左開右閉，比如(30,40]，那如果我們要實現左閉右開呢？使用right=False即可。如下：

現在我們已經知道了k1列的每一個數據在哪個分組內，現在我們可以進行count計數，來看分組的情況。使用value_counts() 即可。

（畫柱狀圖的樣子初步顯現了嘻嘻，好想畫圖啊啊啊，慢慢學~）

可以看到上述的bins是我們設置好了的，那我們能不能讓數據自己均等的分組呢？直接設置分組的個數即可，數據自己就會自動分組了。例如k1，我們分成4個組。

數據就自動分成4組了，下面也體現了4個分組的具體情況。

上面是k1這一列數據，根據最小到最大的值，自動劃分成了4個均值的分組。

那麼k1列有20行，即20個數據，那如果就根據k1的數據個數劃分成為4組，即5個一組，5個一組，怎麼操作呢？這樣的分組肯定就不是均值分組了~使用pd.qcut() 函數。

這一節的內容結束~

（剛剛創建dataframe的時候報錯，返回int object is not callable，研究大半天都沒明白，最後發現是擼代碼的時候少打了個逗號。。。頭髮都抓掉一大把，看來還是要嚴謹）