Python财务数据分析与应用（微课版）课件 06Pandas数据清洗与函数

Pandas数据清洗与函数应用6PandasDataCleaningandFunctionApplication内容概述本章学习目标财务数据分析财务数据分析（1）了解NumPy的NaN；（4）掌握Pandas的函数应用。（3）掌握Pandas的数据清洗方法；（2）掌握Series对象和DataFrame对象的运算操作；目录CONTENTS财务数据分析财务数据分析第6章Pandas数据清洗与函数应用

6.1Pandas对象的运算与对齐

6.2Pandas数据清洗6.3函数应用

【Python财务数据分析】——财务报表文件数据清洗和运算.

Pandas对象的运算与对齐PartOne01财务数据分析财务数据分析6.1Pandas对象的运算与对齐6.1.1NumPy的NaN6.1Pandas对象的运算与对齐6.1.1NumPy的NaN6.1Pandas对象的运算与对齐6.1.2Series运算6.1Pandas对象的运算与对齐6.1.2Series运算6.1Pandas对象的运算与对齐6.1.3DataFrame运算6.1Pandas对象的运算与对齐6.1.3DataFrame运算Pandas数据清洗PartTwo02财务数据分析财务数据分析6.2数据清洗

6.2数据清洗

6.2数据清洗

Pandas函数应用PartThree03财务数据分析财务数据分析财务数据分析财务数据分析Pandas函数应用概述如果想要应用自定义函数，或者把其他库中的函数应用到Pandas对象中，有以下3种方法：l

pipe()：操作整个DataFrame的函数l

apply()：操作行或者列的函数l

applymap()：操作单一元素的函数财务数据分析财务数据分析链式操作Pandas的链式操作是一种优雅且简洁的方法，通过连续调用多个方法来处理数据，而不需要将中间结果存储在临时变量中。链式操作可以使代码更具可读性和可维护性。为了避免潜在的问题，链式操作通常与DataFrame的方法结合使用，这些方法返回副本而不是在原地修改数据。语法格式：df.<操作1>.<操作2>.<操作3>.….<操作N>财务数据分析财务数据分析pipe()函数Series，DataFrame，GroupBy等对象pipe()函数：x.pipe(f,*args,**kwargs)，等同于f(x,*args,**kwargs)函数处理。即x作为参数传递给函数f处理，该函数应用于整个x数据。以DataFrame为例，语法格式：df.pipe(<函数名>,<传给函数的参数列表>)f(g(h(df),arg1=a),arg2=b,arg3=c)，用pipe()可以把函数连接起来，语法格式：(df.pipe(h).pipe(g,arg1=a).pipe(f,arg2=b,arg3=c))财务数据分析财务数据分析apply()函数如果要操作

DataFrame的行或者列，可以使用apply()函数，可选参数axis，并且默认按列操作。语法格式：df.apply(func,

#函数，应用于每列或每行的函数axis=0,

#{0or‘index’,1or‘columns’},默认为0，应用函数的轴方向*args,**kwds)财务数据分析财务数据分析applymap()或map()函数df.applymap()

可做到元素级函数应用，就是对DataFrame中所有的元素（不包含索引）应用函数处理。使用lambda时，变量是指每一个具体的值。语法格式：DataFrame.applymap(func,na_action=None,**kwargs)其中

na_action:类型:{None,'ignore'}作用:指定是否忽略NaN值None(默认):对NaN值应用函数'ignore':跳过NaN值，不对其应用函数财务数据分析财务数据分析【本章小结】介绍了Pandas以一个数据集为操作对象的一般化处理，包括DataFrame和Series的数据数值计算，数据集利用pipe()、appl