[數據分析工具] Pandas 不可不知的功能（一）

• 若是你在使用 Pandas（Python Data Analysis Library） 的話，下面介紹的對你必定會有幫助的。

首先咱們先介紹一些簡單的概念

• DataFrame：行列數據，相似 Excel 的 sheet，或關係型數據庫的表
• series：單列數據
• axis：0：行，1：列
• shape：DataFrame的行列數，（行數，列數）

1. 加載 CSV

Read_csv 方法有不少參數，有效的利用這些參數能夠減輕數據預處理的工做。誰都不肯意作數據清洗，那麼咱們就在加載數據的時候作一些簡單的數據處理

• 直接加載

• • 無參數加載

　　　　　　

• • 選擇特定列加載

　　　　　　

• • 時間轉換加載

　　　　　　

• 分批加載

　　　　有時咱們可能須要加載的 csv 太大，可能會致使內存爆掉，這時候，咱們就須要分批加載數據進行分析、處理

　　　　

 

2. 瀏覽 DataFrame 數據

• df.head(n)：瀏覽數據的前 n 行，默認 5 行
• df.tail(n)：瀏覽數據的末尾 n 行，默認 5 行
• df.sample(n)：隨機瀏覽 n 行數據，默認 5 行
• df.shape：tuple 類型的數據行列數，（行數，列數）
• df.describe()：計算評估數據的趨勢
• df.info()：內存和數據類型

3. 在 DataFrame 中增長列

在 DataFrame 中添加新列的操做很簡單，下面介紹幾種方式

• 簡單方式

　　　　直接增長新列並賦值

　　　　df['new_column'] = 1

• 計算方式

　　　　df['temp_diff'] = df['atemp'] - df['temp']

• 條件方式

　　　　咱們僅僅根據風速，簡單判斷一下人體溫馨度，體感比較舒服的溫度是 0.3 米/秒

　　　　

 

• 循環方式

　　　　咱們將 season 轉換爲具體季節的名稱

　　　　  

4. 選擇指定單元格

相似於 Excel 單元格的選擇，Pandas 提供了這樣的功能，操做很簡單，可是我本人理解起來確實沒有操做看上去那麼簡單。Pandas 提供了三個方法作相似的操做，loc，iloc，ix，ix 官方已經不建議使用，因此咱們下面介紹 loc 和 iloc

• loc 根據標籤選取loc

　　　　 df.loc[行索引開始位置：行索引結束位置,[列名數組]]

• iloc 根據索引選取

　　　　df.iloc[行索引開始位置：行索引結束位置,列索開始位置：列索引結束位置]

• 選取行數據
• df.loc[[行索引數組]]，df.iloc[[行索引數組]]

　　　　

 

注意：

• 索引開始位置：閉區間
• 索引結束位置：開區間
• loc 和 iloc 選取整列數據的時候，看上去與 df[列名數組] 的方式一致，可是其實前者返回的仍然是 DataFrame，後者返回的是 Series

　　　　

 知乎： Pandas 功能介紹（一）

 

個人博客即將搬運同步至騰訊雲+社區，邀請你們一同入駐：https://cloud.tencent.com/developer/support-plan