Pandas数据存储的示例分析

这篇文章主要为大家展示了"Pandas数据存储的示例分析"，内容简而易懂，条理清晰，希望能够帮助大家解决疑惑，下面让小编带领大家一起研究并学习一下"Pandas数据存储的示例分析"这篇文章吧。

数据的存储

数据可以有两种类型-连续的和离散的，这取决于我们的分析要求。有时我们不需要连续变量中的精确值，但需要它所属的群体。

例如，你的数据中有一个连续变量，年龄。但你需要一个年龄组来进行分析，比如儿童、青少年、成人、老年人。实际上，Binning非常适合解决我们这里的问题。

为了执行Binning，我们使用cut()函数。这对于从连续变量到离散变量非常有用。

import pandas as pddf = pd.read_csv('titanic.csv')from sklearn.utils import shuffle# 随机化df = shuffle(df, random_state = 42)df.head()bins = [0,4,17,65,99]labels =['Toddler','Child','Adult','Elderly']category = pd.cut(df['Age'], bins = bins, labels = labels)df.insert(2, 'Age Group', category)df.head()df['Age Group'].value_counts()df.isnull().sum()

以上是"Pandas数据存储的示例分析"这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注行业资讯频道！