Pandas數(shù)據(jù)清洗與函數(shù)應(yīng)用6PandasDataCleaningandFunctionApplication內(nèi)容概述本章學(xué)習(xí)目標(biāo)財務(wù)數(shù)據(jù)分析財務(wù)數(shù)據(jù)分析（1）了解NumPy的NaN；（4）掌握Pandas的函數(shù)應(yīng)用。（3）掌握Pandas的數(shù)據(jù)清洗方法；（2）掌握Series對象和DataFrame對象的運算操作；目錄CONTENTS財務(wù)數(shù)據(jù)分析財務(wù)數(shù)據(jù)分析第6章Pandas數(shù)據(jù)清洗與函數(shù)應(yīng)用

6.1Pandas對象的運算與對齊

6.2Pandas數(shù)據(jù)清洗6.3函數(shù)應(yīng)用

【Python財務(wù)數(shù)據(jù)分析】——財務(wù)報表文件數(shù)據(jù)清洗和運算.

Pandas對象的運算與對齊PartOne01財務(wù)數(shù)據(jù)分析財務(wù)數(shù)據(jù)分析6.1Pandas對象的運算與對齊6.1.1NumPy的NaN6.1Pandas對象的運算與對齊6.1.1NumPy的NaN6.1Pandas對象的運算與對齊6.1.2Series運算6.1Pandas對象的運算與對齊6.1.2Series運算6.1Pandas對象的運算與對齊6.1.3DataFrame運算6.1Pandas對象的運算與對齊6.1.3DataFrame運算Pandas數(shù)據(jù)清洗PartTwo02財務(wù)數(shù)據(jù)分析財務(wù)數(shù)據(jù)分析6.2數(shù)據(jù)清洗

6.2數(shù)據(jù)清洗

6.2數(shù)據(jù)清洗

Pandas函數(shù)應(yīng)用PartThree03財務(wù)數(shù)據(jù)分析財務(wù)數(shù)據(jù)分析財務(wù)數(shù)據(jù)分析財務(wù)數(shù)據(jù)分析Pandas函數(shù)應(yīng)用概述如果想要應(yīng)用自定義函數(shù)，或者把其他庫中的函數(shù)應(yīng)用到Pandas對象中，有以下3種方法：l

pipe()：操作整個DataFrame的函數(shù)l

apply()：操作行或者列的函數(shù)l

applymap()：操作單一元素的函數(shù)財務(wù)數(shù)據(jù)分析財務(wù)數(shù)據(jù)分析鏈?zhǔn)讲僮鱌andas的鏈?zhǔn)讲僮魇且环N優(yōu)雅且簡潔的方法，通過連續(xù)調(diào)用多個方法來處理數(shù)據(jù)，而不需要將中間結(jié)果存儲在臨時變量中。鏈?zhǔn)讲僮骺梢允勾a更具可讀性和可維護(hù)性。為了避免潛在的問題，鏈?zhǔn)讲僮魍ǔＥcDataFrame的方法結(jié)合使用，這些方法返回副本而不是在原地修改數(shù)據(jù)。語法格式：df.<操作1>.<操作2>.<操作3>.….<操作N>財務(wù)數(shù)據(jù)分析財務(wù)數(shù)據(jù)分析pipe()函數(shù)Series，DataFrame，GroupBy等對象pipe()函數(shù)：x.pipe(f,*args,**kwargs)，等同于f(x,*args,**kwargs)函數(shù)處理。即x作為參數(shù)傳遞給函數(shù)f處理，該函數(shù)應(yīng)用于整個x數(shù)據(jù)。以DataFrame為例，語法格式：df.pipe(<函數(shù)名>,<傳給函數(shù)的參數(shù)列表>)f(g(h(df),arg1=a),arg2=b,arg3=c)，用pipe()可以把函數(shù)連接起來，語法格式：(df.pipe(h).pipe(g,arg1=a).pipe(f,arg2=b,arg3=c))財務(wù)數(shù)據(jù)分析財務(wù)數(shù)據(jù)分析apply()函數(shù)如果要操作

DataFrame的行或者列，可以使用apply()函數(shù)，可選參數(shù)axis，并且默認(rèn)按列操作。語法格式：df.apply(func,

#函數(shù)，應(yīng)用于每列或每行的函數(shù)axis=0,

#{0or‘index’,1or‘columns’},默認(rèn)為0，應(yīng)用函數(shù)的軸方向*args,**kwds)財務(wù)數(shù)據(jù)分析財務(wù)數(shù)據(jù)分析applymap()或map()函數(shù)df.applymap()

可做到元素級函數(shù)應(yīng)用，就是對DataFrame中所有的元素（不包含索引）應(yīng)用函數(shù)處理。使用lambda時，變量是指每一個具體的值。語法格式：DataFrame.applymap(func,na_action=None,**kwargs)其中

na_action:類型:{None,'ignore'}作用:指定是否忽略NaN值None(默認(rèn)):對NaN值應(yīng)用函數(shù)'ignore':跳過NaN值，不對其應(yīng)用函數(shù)財務(wù)數(shù)據(jù)分析財務(wù)數(shù)據(jù)分析【本章小結(jié)】介紹了Pandas以一個數(shù)據(jù)集為操作對象的一般化處理，包括DataFrame和Series的數(shù)據(jù)數(shù)值計算，數(shù)據(jù)集利用pipe()、appl