Python中偶爾遇到的細節疑問(一):去除列名特殊字符、標准差出現nan、切片索引可超出范圍、range步長、眾數


1. Pandas讀取csv或excel數據時,很可能遇到的columns中,列名會帶有特殊字符,例如:空格、\n、\t、雙空格、引號等等,如果不想手動修改的話,可以df.rename()來解決。

df = pd.read_excel(data_path)
df_ = df.rename(columns=lambda x: x.replace(" ","").replace('  ','').replace("      ","").replace(r"\t","").replace(r"\n",""))

如果還有其他的字符,也可以類似解決。

2. python計算標准差時,出現nan:這個原因可能是原始數據都是nan;

但是更有可能是求解std時參數用錯了:因為python求解時,有偏估計和無偏估計是用 ddof參數來選擇的,求標准差時除以的值是:n-ddof。

如果使用numpy計算的話,numpy.std() 求標准差的時候默認是除以 n,即有偏估計;如果要無偏估計,需要在np.std()參數中加入參數 ddof = 1,也就是除以的是n-1;

然而,pandas卻是相反的,它默認是無偏估計,也就是除以 n-1;如果想有偏估計,需要設置參數 ddof=0,即 df.std(ddof=0)。

所以:

如果你的數值序列其他的都是nan,只有一個值不是nan,那么無偏估計時,std求解的標准差就是nan了。

3. 列表、字符串等在直接索引時,不能超出長度范圍;但是切片索引時,卻可以超出范圍,超出范圍時取值一直到末尾。

例如:

a = 'abcdefg'
#print(a[10])   # 報錯:IndexError: string index out of range
print(a[3:10])  #不報錯:返回 defg

b = [2,3,4,5]
# print(b[10])   # 報錯:IndexError: string index out of range
print(b[2:10])  #不報錯:返回 [4, 5]

4. range函數,有步長參數可用

range(start, stop[, step])

有時候,步長參數可以讓你減少一層for循環的使用。

for ii in range(1,8,2):
    print(ii)

5. pandas求取眾數 mode() 方法,多個眾數時,求所有眾數的均值

import pandas as pd
import numpy as np

df = pd.DataFrame({'name':['Jack','Alex','Bob','Nancy','Mary','Alice','Jerry','Wolf'],
              'course':['Chinese','Math','Math','Chinese','Math','English','Chinese','English'],
              'grade':[1,1,2,2,2,2,3,3],
              'score':[85,85,91,78,89,89,78,79]})

print(df.score)
aa = df.score.mode()  #眾數
print(type(aa))  # <class 'pandas.core.series.Series'>
print('aa:',aa)   #如果有多個眾數,會形成一個序列返回
print(np.mean(aa))  # 多個眾數時,求均值

注:scipy.stats.mode() df.value_counts() 均可用於求眾數。

參考:

https://blog.csdn.net/katyusha1/article/details/81501893

https://blog.csdn.net/symoriaty/article/details/103102833

https://blog.csdn.net/yvettre/article/details/79726396


免責聲明!

本站轉載的文章為個人學習借鑒使用,本站對版權不負任何法律責任。如果侵犯了您的隱私權益,請聯系本站郵箱yoyou2525@163.com刪除。



 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM