1、Series唯一值判断
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
|
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
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
|
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
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
|
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
'''
|
以上这篇pandas的唯一值、值计数以及成员资格的示例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/sinat_29957455/article/details/79007668