运用DeepSeek学惯用Pandas做数据分析

xSAkNE · 发表于 4 天前

数据来沉Prompt:动作数据阐发大师，请给小利剑介绍Pandas库中识别及简略重复数据的办法。DeepSeek:
固然！上面是为小利剑用户质身定造的 Pandas 学程，学您怎样识别战简略重复数据（duplicate data），深刻易懂、一步步戴您走！

🐼 甚么是 Pandas？

Pandas 是 Python 的一个数据阐发神器，便像 Excel 的退阶版！咱们经常使用它去读表格、选择数据、阐发纪律。

🎯 为何要管“重复数据”？

正在实在天下里，数据可以因为屡次收罗、兼并表格、脚动录进等启事，呈现一模一样或者部门重复的记载。假设没有清理洁净，会作用统计阐发成果！

🔍 第一步：识别重复数据

假定您有一个表格以下：

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

✅ 用 .duplicated() 去识别：

df.duplicated()
前去一个布我值序列，代表每止可否是重复的（默认从上朝下比力）。

成果：
0 False1 False2 True ← 是重复的3 False

✅ 默认查抄整止可否重复，您也能够指定只瞅某多少列，好比只瞅 name：

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

🧹 第两步：简略重复数据

🚮 用 .drop_duplicates() 去搞失落它！

df_clean = df.drop_duplicates()print(df_clean)
成果：
name age0 Alice 251 Bob 303 David 40留神！默认是保存第一次呈现的，前面的皆增失落了。念要当场改正本 DataFrame？

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

🧠 小本领锦囊

办法	感化
df.duplicated()	前去重复布我数组
df.duplicated(subset=['列名'])	鉴别某列可否重复
df.drop_duplicates()	简略重复止
keep='first'	保存第一次呈现的（默认）
keep='last'	保存最初一次呈现的
keep=False	统统重复止皆增失落（有情情势）

🧪 举个退阶例子

df = pd.DataFrame({ 'name': ['Alice', 'Bob', 'Alice', 'Alice'], 'age': [25, 30, 25, 26]})
# 瞅瞅 name 战 age 可否共同重复print(df.duplicated(subset=['name', 'age']))

✅ 归纳一句话！

用 duplicated() 找，drop_duplicates() 增，怕错便减 subset 指定列！

数据排序
Prompt:动作数据阐发大师，请给小利剑介绍Pandas中数据排序的办法，并给出示例。DeepSeek:
固然能够！动作一个数据阐发老司机，尔去戴您那位小利剑快速初学 Pandas 中最经常使用的操纵之一：数据排序！

🎯 为何排序很主要？

排序便像正在 Excel 里面表头排序一致，用去让数据更明了、逻辑更强，好比：

🔧 Pandas 排序的二种主要办法

办法名	功用
sort_values()	按“值”排序（最经常使用）
sort_index()	按“索引”排序（次经常使用）

🚀 1、按值排序：sort_values()

最多见的方法即是对于某一列的值从小到年夜、或者从年夜到小排序。
🔹 示例：

import pandas as pd
data = { 'name': ['Alice', 'Bob', 'Charlie', 'David'], 'age': [25, 30, 22, 35]}df = pd.DataFrame(data)按年齿降序排序（默认）：df_sorted = df.sort_values(by='age')print(df_sorted)输出： name age2 Charlie 220 Alice 251 Bob 303 David 35

按年齿落序排序：

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

按多个列排序（先按年齿，再按姓名）：

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

🔄 2、按索引排序：sort_index()

假设您念把 DataFrame 按索引的巨细去排序，便用那个！
举个例子：

df2 = df.sort_values(by='age', ascending=False)print(df2)
这时候分的索引是治的（0, 1, 2, 3被挨治了）：

name age3 David 351 Bob 300 Alice 252 Charlie 22您念规复排序后的挨次？

df2 = df2.sort_index()

🧠 一点儿经常使用参数归纳：

参数	感化
by='列名'	指定排序的列
ascending=True	可否降序（默认是True）
inplace=True	可否本天改正，没有前去新工具
ignore_index=True	沉置索引（经常使用正在排序后）
na_position='last'	缺得值排正在最初（默认）或者前面

🧪 一个戴缺得值的例子：

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)

✅ 归纳一句话！

用 sort_values(by=列名) 排值，用 sort_index() 排索引，加之 ascending 掌握起落，减 inplace 间接改！

数据兼并Prompt:动作数据阐发大师，请介绍Pandas的merge ()办法，并对于参数截至具体解说,枚举示例，并对于兼并成果截至注释。DeepSeek:
太佳了！您现在在加入 Pandas 中最强大的操纵之一 —— merge()兼并办法，它是数据阐发师的“拼图神器”。
假设您熟谙 SQL 里的 JOIN，那个办法即是 Python/Pandas 天下里的对于应物。

🧩 1、甚么是 merge()？

merge() 即是把二个表格按某个枢纽列（key）对于齐拼交起去，类似数据库里的跟尾操纵（join）。

🔧 2、根本语法

pd.merge(left, right, how='inner', on=None, left_on=None, right_on=None, ...)
中心参数剖析：

参数	感化
left/right	右、左二个要兼并的 DataFrame
on	指定阁下皆有的“大众列”，用去对于齐
left_on/right_on	假设阁下的 key 列名字纷歧样，用那二个指定
how	兼并方法：inner / left / right / outer
suffixes	重复列的后缀，比方 ('_left', '_right')

🔀 3、兼并方法详解（how）

兼并方法	描绘
'inner'（默认）	与交加，只需阁下皆有的 key 才保存
'left'	以右表为主，左表匹配没有到的值挖 NaN
'right'	以左表为主
'outer'	与并散，阁下皆保存，匹配没有到的挖 NaN

🧪 4、真战示例

👉 先准备二个表：

import pandas as pd
# 右表：职工疑息df1 = pd.DataFrame({ 'emp_id': [1, 2, 3], 'name': ['Alice', 'Bob', 'Charlie']})
# 左表：薪资疑息df2 = pd.DataFrame({ 'emp_id': [2, 3, 4], 'salary': [7000, 8000, 9000]})
1️⃣ 默认 inner兼并（交加）：

result = pd.merge(df1, df2, on='emp_id')print(result)
输出：
emp_id name salary0 2 Bob 70001 3 Charlie 8000
🧠 解读：只保存 emp_id=2 战 3，因为阁下表皆存留。

2️⃣ left兼并（以右表为主）：

result = pd.merge(df1, df2, on='emp_id', how='left')print(result)
输出：
emp_id name salary0 1 Alice NaN1 2 Bob 7000.02 3 Charlie 8000.0
🧠 解读：保存统统右表的职工，右边不匹配的便挖 NaN。

3️⃣ outer兼并（齐并散）：

result = pd.merge(df1, df2, on='emp_id', how='outer')print(result)
输出：
emp_id name salary0 1 Alice NaN1 2 Bob 7000.02 3 Charlie 8000.03 4 NaN 9000.0
🧠 解读：统统 emp_id 皆保存，哪边不的便补 NaN。

4️⃣ 当阁下的 key 列差别名时：

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)
输出：
id name emp_id salary0 2 Bob 2 70001 3 Charlie 3 8000

🧠 5、罕见成就小揭士

✅ 归纳心诀：

merge 是跟尾，on 是主键，how 掌握拼法，NaN 是匹配没有到的标记。列名纷歧样？用 left_on/right_on！