Python學習教程：20個Pandas代碼 助數據從業人員開啓新徵程！

Python學習教程：20個Pandas代碼 助數據從業人員開啓新徵程！

摘要

Pandas 是基於NumPy 的一種工具，該工具是爲了解決數據分析任務而建立的。很多利用Python作數據分析的朋友應該對Pandas不陌生，這裏給你們總結了20個經常使用的Pandas代碼幫助你們更快速的理解數據。

我這裏將這20個Pandas代碼分紅三類：

• 基本數據信息
• 基本數據處理
• 操做Data frames

基本數據信息

一、基本讀寫數據集（CSV、Execl）

# csv
# 讀
pd.DataFrame.from_csv(「csv_file」) 
pd.read_csv(「csv_file」)
# 寫
df.to_csv("data.csv", sep=",", index=False) # 逗號分隔，沒有下標
# execl
pd.read_excel("excel_file")
df.to_execl("data.xlsx",sheet_name='a')
複製代碼

二、基本數據集特徵

df.info()
複製代碼

三、基本數據統計

df.describe()
複製代碼

四、將data frames輸出到一張表裏（tabulate模塊）

from tabulate import tabulate
print(tabulate(print_table, headers=headers))
# print_table 爲包含列表的列表
# headers 爲表頭所包含的字段
複製代碼

五、列出全部的字段

df.columns
複製代碼

六、獲得先後n行

df.head(n) #前n行
df.tail(n) #後n行
複製代碼

七、經過特徵、位置定位數據

df.loc[feature_name]
#選擇「size」列的第一行
df.loc([0], ['size'])
df.iloc[n] # 位置
複製代碼

基本數據處理

八、去除缺失值

df.dropna(axis=0, how='any')
複製代碼

九、替換缺失值

df.replace(to_replace=None, value=None)
# 將「to_replace」中的值替換爲「value」
複製代碼

十、檢查缺失值

pd.isnull(object)
# 檢測缺失值(數值數組中的NaN，對象數組中的None/NaN)
複製代碼

十一、刪除一個字段

df.drop('feature_variable_name', axis=1)
# 軸對於行是0，對於列是1
複製代碼

十二、將對象類型轉換爲數值

pd.to_numeric(df["feature_name"], errors='coerce')
# 將對象類型轉換爲numeric以便可以執行計算(若是它們是字符串)
複製代碼

1三、將Dataframe轉換爲numpy數組

df.as_matrix()
複製代碼

操做Data frames

1四、將函數應用於dataframe

# 這個將把數據的「height」列中的全部值乘以2
一、df["height"].apply(lambda height: 2 * height)
二、def multiply(x):
 return x * 2
df["height"].apply(multiply)
複製代碼

1五、從命名一列

# 這裏，將把數據的第三列重命名爲「size」
df.rename(columns = {df.columns[2]:'size'}, inplace=True)
複製代碼

1六、獲取某列的惟一項

# 這裏將獲得列「name」的惟一條目
df["name"].unique()
複製代碼

1七、多級訪問

# 在這裏，將從數據中獲取列的選擇，「name」和「size」
new_df = df[["name", "size"]]
複製代碼

1八、數據的一些統計量df.sum()

df.min()
df.max()
df.idxmin()
df.idxmax() #返回最大值索引
df.mean()
df.median()
df.corr() # 不一樣列之間的相關係數
df["size"].median
複製代碼

1九、 數據排序

df.sort_values(ascending = False)
複製代碼

20、布爾索引

df[df["size"] == 5] #布爾型索引複製代碼

更多的Python學習教程接下來橙子會繼續爲你們分享！