职贝云数AI新零售门户

标题: 运用DeepSeek学惯用Pandas做数据分析 [打印本页]

---

作者: xSAkNE    时间: 5 天前
标题: 运用DeepSeek学惯用Pandas做数据分析
数据去重Prompt:作为数据分析专家，请给小白引见Pandas库中辨认及删除反复数据的方法。DeepSeek:
当然！下面是为小白用户量身定制的 Pandas 教程，教你如何辨认和删除反复数据（duplicate data），粗浅易懂、一步步带你走！

---

🐼 什么是 Pandas？


Pandas 是 Python 的一个数据分析神器，就像 Excel 的进阶版！我们常用它来读表格、挑选数据、分析规律。

---

🎯 为什么要管“反复数据”？


在真实世界里，数据能够由于多次采集、合并表格、手动录入等缘由，出现如出一辙或部分反复的记录。假如不清算干净，会影响统计分析结果！

---

🔍 第一步：辨认反复数据


假设你有一个表格如下：

import pandas as pd
data = {    'name': ['Alice', 'Bob', 'Alice', 'David'],    'age': [25, 30, 25, 40]}df = pd.DataFrame(data)print(df)
输入结果：
    name  age0  Alice   251    Bob   302  Alice   25  ← 反复了！3  David   40


✅ 用 .duplicated() 来辨认：


df.duplicated()
前往一个布尔值序列，代表每一行能否是反复的（默许从上往下比较）。

结果：
0    False1    False2     True  ← 是反复的3    False

✅ 默许检查整行能否反复，你也可以指定只看某几列，比如只看 name：

df.duplicated(subset=['name'])

---

🧹 第二步：删除反复数据

🚮 用 .drop_duplicates() 来干掉它！

df_clean = df.drop_duplicates()print(df_clean)
结果：
    name  age0  Alice   251    Bob   303  David   40留意！默许是保留第一次出现的，后面的都删掉了。想要就地修正原 DataFrame？


加个参数：
df.drop_duplicates(inplace=True)

---

🧠 小技巧锦囊

方法	作用
df.duplicated()	前往反复布尔数组
df.duplicated(subset=['列名'])	判别某列能否反复
df.drop_duplicates()	删除反复行
keep='first'	保留第一次出现的（默许）
keep='last'	保留最后一次出现的
keep=False	一切反复行都删掉（无情形式）

---

🧪 举个进阶例子

df = pd.DataFrame({    'name': ['Alice', 'Bob', 'Alice', 'Alice'],    'age': [25, 30, 25, 26]})
# 看看 name 和 age 能否一同反复print(df.duplicated(subset=['name', 'age']))

---

✅ 总结一句话！




用 duplicated() 找，drop_duplicates() 删，怕错就加 subset 指定列！

---

数据排序
Prompt:作为数据分析专家，请给小白引见Pandas中数据排序的方法，并给出示例。DeepSeek:
当然可以！作为一个数据分析老司机，我来带你这位小白疾速入门 Pandas 中最常用的操作之一：数据排序！

---

🎯 为什么排序很重要？


排序就像在 Excel 里点表头排序一样，用来让数据更明晰、逻辑更强，比如：

找出销量最高的商品

按工夫顺序查看事情记录

对名字排序来更方便检索

---

🔧 Pandas 排序的两种次要方法

方法名	功能
sort_values()	按“值”排序（最常用）
sort_index()	按“索引”排序（次常用）

---

🚀 一、按值排序：sort_values()


最常见的方式就是对某一列的值从小到大、或从大到小排序。
🔹 示例：

import pandas as pd
data = {    'name': ['Alice', 'Bob', 'Charlie', 'David'],    'age': [25, 30, 22, 35]}df = pd.DataFrame(data)按年龄升序排序（默许）：df_sorted = df.sort_values(by='age')print(df_sorted)输入：     name  age2  Charlie   220    Alice   251      Bob   303    David   35

---

按年龄降序排序：

df_sorted = df.sort_values(by='age', ascending=False)

---

按多个列排序（先按年龄，再按姓名）：

df_sorted = df.sort_values(by=['age', 'name'])

---

🔄 二、按索引排序：sort_index()


假如你想把 DataFrame 按索引的大小来排序，就用这个！
举个例子：

df2 = df.sort_values(by='age', ascending=False)print(df2)
这时分的索引是乱的（0, 1, 2, 3被打乱了）：

     name  age3   David   351     Bob   300   Alice   252 Charlie   22你想恢复排序后的顺序？

df2 = df2.sort_index()

---

🧠 一些常用参数总结：

参数	作用
by='列名'	指定排序的列
ascending=True	能否升序（默许是True）
inplace=True	能否原地修正，不前往新对象
ignore_index=True	重置索引（常用在排序后）
na_position='last'	缺失值排在最后（默许）或后面

---

🧪 一个带缺失值的例子：

df3 = pd.DataFrame({    'name': ['Alice', 'Bob', 'Charlie', 'David'],    'score': [88, None, 75, 95]})
df3.sort_values(by='score', na_position='first', inplace=True)print(df3)

---

✅ 总结一句话！




用 sort_values(by=列名) 排值，用 sort_index() 排索引，加上 ascending 控制升降，加 inplace 直接改！

---

数据合并Prompt:作为数据分析专家，请引见Pandas的merge ()方法，并对参数停止详细讲解,罗列示例，并对合并结果停止解释。DeepSeek:
太好了！你如今正在进入 Pandas 中最弱小的操作之一 —— merge() 合并方法，它是数据分析师的“拼图神器”。
假如你熟习 SQL 里的 JOIN，这个方法就是 Python/Pandas 世界里的对应物。

---

🧩 一、什么是 merge()？


merge() 就是把两个表格按某个关键列（key）对齐拼接起来，相似数据库里的衔接操作（join）。

---

🔧 二、基本语法

pd.merge(left, right, how='inner', on=None, left_on=None, right_on=None, ...)
核心参数解析：

参数	作用
left/right	左、右两个要合并的 DataFrame
on	指定左右都有的“公共列”，用来对齐
left_on/right_on	假如左右的 key 列名字不一样，用这两个指定
how	合并方式：inner / left / right / outer
suffixes	反复列的后缀，例如 ('_left', '_right')

---

🔀 三、合并方式详解（how）

合并方式	描画
'inner'（默许）	取交集，只要左右都有的 key 才保留
'left'	以左表为主，右表婚配不到的值填 NaN
'right'	以右表为主
'outer'	取并集，左右都保留，婚配不到的填 NaN

---

🧪 四、实战示例

👉 先预备两个表：

import pandas as pd
# 左表：员工信息df1 = pd.DataFrame({    'emp_id': [1, 2, 3],    'name': ['Alice', 'Bob', 'Charlie']})
# 右表：薪资信息df2 = pd.DataFrame({    'emp_id': [2, 3, 4],    'salary': [7000, 8000, 9000]})
1️⃣ 默许 inner 合并（交集）：

result = pd.merge(df1, df2, on='emp_id')print(result)
输入：
   emp_id    name  salary0       2     Bob    70001       3  Charlie    8000
🧠 解读：只保留 emp_id=2 和 3，由于左右表都存在。

---

2️⃣ left 合并（以左表为主）：

result = pd.merge(df1, df2, on='emp_id', how='left')print(result)
输入：
   emp_id    name  salary0       1   Alice     NaN1       2     Bob  7000.02       3  Charlie 8000.0
🧠 解读：保留一切左表的员工，左边没有婚配的就填 NaN。

---

3️⃣ outer 合并（全并集）：

result = pd.merge(df1, df2, on='emp_id', how='outer')print(result)
输入：
   emp_id    name  salary0       1   Alice     NaN1       2     Bob  7000.02       3  Charlie 8000.03       4     NaN  9000.0
🧠 解读：一切 emp_id 都保留，哪边没有的就补 NaN。

---

4️⃣ 当左右的 key 列不同名时：

df1 = pd.DataFrame({    'id': [1, 2, 3],    'name': ['Alice', 'Bob', 'Charlie']})
df2 = pd.DataFrame({    'emp_id': [2, 3, 4],    'salary': [7000, 8000, 9000]})
result = pd.merge(df1, df2, left_on='id', right_on='emp_id', how='inner')print(result)
输入：
   id     name  emp_id  salary0   2      Bob       2    70001   3  Charlie       3    8000

---

🧠 五、常见成绩小贴士

反复列名怎样办？
用 suffixes=('_left', '_right') 来区分同名列。

key列有反复？
会产生“笛卡尔积”，即一对多或多对多组合，留意观察能否合理。

合并完后索引乱了？
可以 reset_index(drop=True) 清算一下。

---

✅ 总结口诀：




merge 是衔接，on 是主键，how 控制拼法，NaN 是婚配不到的标志。列名不一样？用 left_on/right_on！

---

---

欢迎光临 职贝云数AI新零售门户 (https://www.taojin168.com/cloud/)

Powered by Discuz! X3.5