1、天生数据表
一、起首导入pandas库,普通城市用到numpy库,以是咱们先导入备用:
import numpy as np import pandas as pd
二、导入CSV或许xlsx文件:
df = pd.DataFrame(pd.read_csv('name.csv',header=1)) df = pd.DataFrame(pd.read_excel('name.xlsx'))
三、用pandas创立数据表:
df = pd.DataFrame({"id":[1001,1002,1003,1004,1005,1006], "date":pd.date_range('20130102', periods=6), "city":['Beijing ', 'SH', ' guangzhou ', 'Shenzhen', 'shanghai', 'BEIJING '], "age":[23,44,54,32,34,32], "category":['100-A','100-B','110-A','110-C','210-A','130-F'], "price":[1200,np.nan,2133,5433,np.nan,4432]}, columns =['id','date','city','category','age','price'])
2、数据表信息查看
一、维度查看:
df.shape
二、数据表根本信息(维度、列称号、数据格局、所占空间等):
df.info()
三、每一一列数据的格局:
df.dtypes
四、某一列格局:
df['B'].dtype
五、空值:
df.isnull()
六、查看某一列空值:
df.isnull()
七、查看某一列的惟一值:
df['B'].unique()
八、查看数据表的值:
df.values
九、查看列称号:
df.columns
十、查看前10行数据、后10行数据:
df.head() #默许前10行数据 df.tail() #默许后10 行数据
相干保举:《Python视频教程》
3、数据表荡涤
一、用数字0填充空值:
df.fillna(value=0)
二、应用列prince的均值对NA进行填充:
df['prince'].fillna(df['prince'].mean())
三、分明city字段的字符空格:
df['city']=df['city'].map(str.strip)
四、巨细写转换:
df['city']=df['city'].str.lower()
五、更改数据格局:
df['price'].astype('int')
六、更改列称号:
df.rename(columns={'category': 'category-size'})
七、删除了后呈现的反复值:
df['city'].drop_duplicates()
八、删除了先呈现的反复值:
df['city'].drop_duplicates(keep='last')
九、数据交换:
df['city'].replace('sh', 'shanghai')
4、数据预解决
df1=pd.DataFrame({"id":[1001,1002,1003,1004,1005,1006,1007,1008], "gender":['male','female','male','female','male','female','male','female'], "pay":['Y','N','Y','Y','N','Y','N','Y',], "m-point":[10,12,20,40,40,40,30,20]})
一、数据表兼并
df_inner=pd.merge(df,df1,how='inner') # 婚配兼并,交加 df_left=pd.merge(df,df1,how='left') # df_right=pd.merge(df,df1,how='right') df_outer=pd.merge(df,df1,how='outer') #并集
二、设置索引列
df_inner.set_index('id')
三、依照特定列的值排序:
df_inner.sort_values(by=['age'])
四、依照索引列排序:
df_inner.sort_index()
五、假如prince列的值>3000,group列显示high,不然显示low:
df_inner['group'] = np.where(df_inner['price'] > 3000,'high','low')
六、对复合多个前提的数据进行分组标志
df_inner.loc[(df_inner['city'] == 'beijing') & (df_inner['price'] >= 4000), 'sign']=1
七、对category字段的值顺次进行分列,并创立数据表,索引值为df_inner的索引列,列称号为category以及size
pd.DataFrame((x.split('-') for x in df_inner['category']),index=df_inner.index,columns=['category','size']))
八、将实现割裂后的数据表以及原df_inner数据表进行婚配
df_inner=pd.merge(df_inner,split,right_index=True, left_index=True)
5、数据提取
次要用到的三个函数:loc,iloc以及ix,loc函数按标签值进行提取,iloc按地位进行提取,ix能够同时按标签以及地位进行提取。
一、按索引提取单行的数值
df_inner.loc[3]
二、按索引提取区域行数值
df_inner.iloc[0:5]
三、重设索引
df_inner.reset_index()
四、设置日期为索引
df_inner=df_inner.set_index('date')
五、提取4日以前的一切数据
df_inner[:'2013-01-04']
六、应用iloc按地位区域提取数据
df_inner.iloc[:3,:2] #冒号先后的数字再也不是索引的标署名称,而是数据所正在的地位,从0开端,前三行,前两列。
七、顺应iloc按地位独自提起数据
df_inner.iloc[[0,2,5],[4,5]] #提取第0、二、5行,四、5列
八、应用ix按索引标签以及地位夹杂提取数据
df_inner.ix[:'2013-01-03',:4] #2013-01-03号以前,前四列数据
九、判别city列的值能否为北京
df_inner['city'].isin(['beijing'])
十、判别city列里能否蕴含beijing以及shanghai,而后将合乎前提的数据提掏出来
df_inner.loc[df_inner['city'].isin(['beijing','shanghai'])]
十一、提取前三个字符,并天生数据表
pd.DataFrame(category.str[:3])
6、数据挑选
应用与、或、非三个前提合营年夜于、小于、等于对数据进行挑选,并进行计数以及乞降。
一、应用“与”进行挑选
df_inner.loc[(df_inner['age'] > 25) & (df_inner['city'] == 'beijing'), ['id','city','age','category','gender']]
二、应用“或”进行挑选
df_inner.loc[(df_inner['age'] > 25) | (df_inner['city'] == 'beijing'), ['id','city','age','category','gender']] .sort(['age'])
三、应用“非”前提进行挑选
df_inner.loc[(df_inner['city'] != 'beijing'), ['id','city','age','category','gender']].sort(['id'])
四、对挑选后的数据按city列进行计数
df_inner.loc[(df_inner['city'] != 'beijing'), ['id','city','age','category','gender']].sort(['id']).city.count()
五、应用query函数进行挑选
df_inner.query('city == ["beijing", "shanghai"]')
六、对挑选后的后果按prince进行乞降
df_inner.query('city == ["beijing", "shanghai"]').price.sum()
7、数据汇总
次要函数是groupby以及pivote_table
一、对一切的列进行计数汇总
df_inner.groupby('city').count()
二、按都会对id字段进行计数
df_inner.groupby('city')['id'].count()
三、对两个字段进行汇共计数
df_inner.groupby(['city','size'])['id'].count()
四、对city字段进行汇总,并辨别较量争论prince的算计以及均值
df_inner.groupby('city')['price'].agg([len,np.sum, np.mean])
8、数据统计
数据采样,较量争论规范差,协方差以及相干系数
一、简略的数据采样
df_inner.sample(n=3)
二、手动设置采样权重
weights = [0, 0, 0, 0, 0.5, 0.5] df_inner.sample(n=2, weights=weights)
三、采样后没有放回
df_inner.sample(n=6, replace=False)
四、采样后放回
df_inner.sample(n=6, replace=True)
五、 数据表形容性统计
df_inner.describe().round(2).T #round函数设置显示小数位,T示意转置
六、较量争论列的规范差
df_inner['price'].std()
七、较量争论两个字段间的协方差
df_inner['price'].cov(df_inner['m-point'])
八、数据表中一切字段间的协方差
df_inner.cov()
九、两个字段的相干性剖析
df_inner['price'].corr(df_inner['m-point']) #相干系数正在-1到1之间,靠近1为正相干,靠近-1为负相干,0为没有相干
十、数据表的相干性剖析
df_inner.corr()
9、数据输入
剖析后的数据能够输入为xlsx格局以及csv格局
一、写入Excel
df_inner.to_excel('excel_to_python.xlsx', sheet_name='bluewhale_cc')
二、写入到CSV
df_inner.to_csv('excel_to_python.csv')
以上就是最全的Python pandas用法总结的具体内容,更多请存眷资源魔其它相干文章!
标签: 总结 Python python教程 python编程 python使用问题 pandas
抱歉,评论功能暂时关闭!