pandas 經常使用功能
導入數據
- pd.read_csv(filename):從CSV文件導入數據
- pd.read_table(filename):從限定分隔符的文本文件導入數據
- pd.read_excel(filename):從Excel文件導入數據
- pd.read_sql(query, connection_object):從SQL表/庫導入數據
- pd.read_json(json_string):從JSON格式的字符串導入數據
- pd.read_html(url):解析URL、字符串或者HTML文件,抽取其中的tables表格
- pd.read_clipboard():從你的粘貼板獲取內容,並傳給read_table()
- pd.DataFrame(dict):從字典對象導入數據,Key是列名,Value是數據
導出數據
- df.to_csv(filename):導出數據到CSV文件
- df.to_excel(filename):導出數據到Excel文件
- df.to_sql(table_name, connection_object):導出數據到SQL表
- df.to_json(filename):以Json格式導出數據到文本文件
建立測試對象
- pd.DataFrame(np.random.rand(20,5)):建立20行5列的隨機數組成的DataFrame對象
- pd.Series(my_list):從可迭代對象my_list建立一個Series對象
- df.index = pd.date_range('1900/1/30', periods=df.shape[0]):增長一個日期索引
查看、檢查數據
數據選取
- df[col]:根據列名,並以Series的形式返回列
- df[[col1, col2]]:以DataFrame形式返回多列
- s.iloc[0]:按位置選取數據
- s.loc['index_one']:按索引選取數據
- df.iloc[0,:]:返回第一行
- df.iloc[0,0]:返回第一列的第一個元素
數據清理
- df.coumns = ['a','b','c']:重命名列名
- pd.isnull():檢查DataFrame對象中的空值,並返回一個Boolean數組
- pd.notnull():檢查DataFrame對象中的非空值,並返回一個Boolean數組
- df.dropna():刪除全部包含空值的行
- df.dropna(axis=1):刪除全部包含空值的列
- df.dropna(axis=1,thresh=n):刪除全部小於n個非空值的行
- df.fillna(x):用x替換DataFrame對象中全部的空值
- s.astype(float):將Series中的數據類型更改成float類型
- s.replace(1,'one'):用‘one’代替全部等於1的值
- s.replace([1,3],['one','three']):用'one'代替1,用'three'代替3
- df.rename(columns=lambda x: x + 1):批量更改列名
- df.rename(columns={'oldname': 'new name'}):選擇性更改列名
- df.set_index('column_one'):更改索引列
- df.rename(index=lambda x: x + 1):批量重命名索引
數據處理:Filter、Sort和GroupBy
- df[df[col] > 0.5]:選擇col列的值大於0.5的行
- df.sort_values(col1):按照列col1排序數據,默認升序排列
- df.sort_values(col2, ascending=False):按照列col1降序排列數據
- df.sort_values([col1,col2], ascending=[True,False]):先按列col1升序排列,後按col2降序排列數據
- df.groupby(col):返回一個按列col進行分組的Groupby對象
- df.groupby([col1,col2]):返回一個按多列進行分組的Groupby對象
- df.groupby(col1)[col2]:返回按列col1進行分組後,列col2的均值
- df.pivot_table(index=col1, values=[col2,col3], aggfunc=max):建立一個按列col1進行分組,並計算col2和col3的最大值的數據透視表
- df.groupby(col1).agg(np.mean):返回按列col1分組的全部列的均值
- data.apply(np.mean):對DataFrame中的每一列應用函數np.mean
- data.apply(np.max,axis=1):對DataFrame中的每一行應用函數np.max
數據合併
- df1.append(df2):將df2中的行添加到df1的尾部
- df.concat([df1, df2],axis=1):將df2中的列添加到df1的尾部
- df1.join(df2,on=col1,how='inner'):對df1的列和df2的列執行SQL形式的join
數據統計
- df.describe():查看數據值列的彙總統計
- df.mean():返回全部列的均值
- df.corr():返回列與列之間的相關係數
- df.count():返回每一列中的非空值的個數
- df.max():返回每一列的最大值
- df.min():返回每一列的最小值
- df.median():返回每一列的中位數
- df.std():返回每一列的標準差
歡迎關注本站公眾號,獲取更多信息