最全的Python pandas用法总结-Python教程

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！