資料科學第四週-資料處理常用操作

以前面的資料為延續，繼續介紹幾個常用到的函式

超級好用的groupby()

類似於Excel的樞紐分析，進行分組，先以性別試看看

python

df_grouped=df.groupby('性別')

df_grouped.mean()

python

df_grouped[['平均','第一次段考','期末考']].mean()

女生不論在平均成績、段考或期末考，平均都高於男生

更多參考：

將成績由高到低排列是常用的功能，其中參數ascending意思為是否遞增

試著以學期成績做排序

python

df_sort = df.sort_values(by='學期成績',ascending=False)
df_sort

因為整個學期會很很多次小考與作業，取部分成績的好處是，剔除極端低的數值，不要因為一兩次不認真，拖累到整體成績，跟剛才一樣先取出要計算的範圍

python

df_10 = df.iloc[:,2:12]
df_10

python

df_10['1流程圖'].nlargest(10)

可以很輕易的取出流程圖這次作業前十高的分數，但是要怎麼取一個同學（一整列）的前十高分數呢？

有些函式並不支援直接對axis=1來做運算

python

df_10.nlargest(10,axis=1)

可以使用apply()是對每一個axis，進行函式操作，順便也可以先了解一下python中的lambda是什麼？

python

def f(x):
	return x**2

print(f(3))

上面是學過的定義函式使用lambda可以更簡化只有簡單條件的函式，稱之為匿名函式

python

#做出相等的匿名函式
f = lambda x:x**2
print(f(3))

apply()是對每一個axis，進行函式操作，以axis=1 來說，就是對一整列做事情

python

#每列的largest(10)取平均放入df['平均']
df['平均2']=df_10.apply(lambda x:x.nlargest(10).mean(),axis=1)
df['平均2']

更多參考：