如何使用 Pandas 进行类似 R 的数据操作？

目录

1. 关于 Pandas 和 R

2. 比较数据操作

3. 用于数据操作的 R 与 Pandas

关于 Pandas 和 R

让我们简要介绍一下 R 和 Pandas。

R 编程语言

我们可以将 R 视为 S 语言的一种实现，它是一种专门设计用于数据统计和图形分析的语言和环境。使用 R 语言，我们可以利用各种统计分析技术，如线性或非线性建模、测试、聚类、分类等。该语言还提供了各种功能，我们还可以使用这些功能执行图形分析。使用 R 语言，我们可以生成任何数据的高度交互的图。

在本文中，我们将讨论可用于数据操作的 R 语言工具或包。

关于Pandas

Pandas是 python 中的一个库，用于许多与数据相关的任务，例如数据操作和转换。我们在 Pandas 中使用表格形式的数据。通过这些任务，我们还可以使用 Pandas使用 Pandasql进行数据仓库。当我们将数据移入或移出进程时，Pandas 下的功能可用于检查数据。

通过查看以上几点，我们可以说 Pandas 是 python 中的工具包或库，而谈到 R，它本身就是一门语言，并且在其下拥有许多工具包，用于执行与数据相关的任务。在本文中，我们将根据数据相关任务比较 R 语言和 Pandas 库。

让我们开始比较。

比较数据操作

作为数据科学的从业者，我们需要定期使用python和R语言来执行与数据相关的任务。通过本文的这一部分，我们将了解如何在 python 语言中执行使用 R 语言和 Pandas 库的不同操作工具包。

在 R 中，我们主要使用dplyr工具包进行查询、过滤和采样操作。下表展示了我们使用 dplyr 和 Pandas 工具包进行上述简单操作的不同方法。

让我们根据转换操作来看看 R(dplyr) 和 Pandas 之间的区别。

让我们根据group-by和summary操作来看看R(dplyr)和Pandas的区别。

Slicing 

我们可以使用 R 中的 c() 函数执行切片操作，例如列选择。在 python 中，我们可以使用 Pandas 来执行此操作。例如，下面的代码可以在 R 中使用列名或整数位置来选择和访问列。

使用column name

data <- data.frame(a=rnorm(5), b=rnorm(5), c=rnorm(5), d=rnorm(5), e=rnorm(5))
data[, c("a", "c", "e")]

使用 integer location

data <- data.frame(matrix(rnorm(1000), ncol=100))
data[, c(1:10, 25:30, 40, 50:100)]

在 Pandas 中，我们可以使用以下代码行执行相同的操作。

import pandas as pd
import numpy as np
datacolumns=list("abc")
data = pd.DataFrame(np.random.randn(5, 3), columns=columns)
data

输出：

使用column name

data[["a", "c"]]

输出

使用location 

data.loc[:, ["a", "c"]]

输出

Aggregation 

使用 R 语言，我们按 gata 分组以生成子集并使用 by1 和 by2 函数计算每个子集的平均值，如下所示：

data <- data.frame(  by1 = c("abc", "bdc", 1, 2, "abc", "bcd", 1, 2, "rfg", 1, "abc", 12),  by2 = c("bac","cbd",99,95,"bac","xyz",95,99,"abc",99,"abc","abc")  v1 = c(1,3,5,7,8,3,5,NA,4,5,7,9),  v2 = c(11,33,55,77,88,33,55,NA,44,55,77,99))aggregate(x=data[, c("v1", "v2")], by=list(mydata2$by1, mydata2$by2), FUN = mean)

使用 Pandas，我们可以使用以下方式执行此类操作：

data = pd.DataFrame(    {        "by1": ["abc", "bdc", 1, 2, "abc", "bcd", 1, 2, "rfg", 1, 'abc', 12],        "by2": ["bac","cbd",99,95,"bac","xyz",95,99,"abc",99,"abc",'abc',],        "v1": [1, 3, 5, 7, 8, 3, 5, np.nan, 4, 5, 7, 9],        "v2": [11, 33, 55, 77, 88, 33, 55, np.nan, 44, 55, 77, 99],    }) data

输出

g = data.groupby(["by1", "by2"])g[["v1", "v2"]].mean()

输出

查询功能

在 R 语言中，我们需要使用子集函数对数据集执行条件查询。下面的代码是这个函数的一个例子。

data <- data.frame(a=rnorm(15), b=rnorm(15))subset(data, a >= b)data[data$a >= data$b,]

我们正在提取列 a 的值小于列 b 的行。

使用 Pandas，我们可以使用查询功能执行此操作。

data = pd.DataFrame({"a": np.random.randn(15), "b": np.random.randn(15)})data.query("a >= b")

输出

用于数据操作的 R 与 Pandas

使用以上几点，我们讨论了如何使用 Python 中的 Pandas 和 R 的工具包执行各种数据分析。我们发现在 R 中，包是围绕语言传播的，我们需要在本地机器上单独安装它们。当我们将 Pandas 用于类似目的时，我们可以在托管意义上拥有所有功能，或者我们可以说这些功能在一个地方，我们不需要寻找其他工具。R 语言对数据分析有好处的一件事是 R 的速度及其比 Pandas 更加用户友好的界面。关于 R 语言，我们可以说它没有 python 语言那么复杂。R 和 Pandas 都各有所长。

后的话 

在本文中，我们讨论了 R 和 Pandas 的比较。总之，我们可以说 R 是一种编程语言，而 Pandas 是一种库。使用 R 的包，我们可以执行不同的操作，而 Pandas 帮助我们执行不同的操作。本教程将帮助初学者了解两者之间的区别，也有助于轻松迁移。

参考：

• Link for the codes。

• Comparison with R / R libraries