最全的Python pandas用法总结

来源：互联网 2024-10-12 06:43:15

一、生成数据表

1、首先导入pandas库，一般都会用到numpy库，所以我们先导入备用：

import numpy as npimport pandas as pd

2、导入CSV或者xlsx文件：

df = pd.DataFrame(pd.read_csv(&#39;name.csv&#39;,header=1))df = pd.DataFrame(pd.read_excel(&#39;name.xlsx&#39;))

3、用pandas创建数据表：

立即学习“Python免费学习笔记（深入）”；

df = pd.DataFrame({"id":[1001,1002,1003,1004,1005,1006],  "date":pd.date_range(&#39;20130102&#39;, periods=6), "city":[&#39;Beijing &#39;, &#39;SH&#39;, &#39; guangzhou &#39;, &#39;Shenzhen&#39;, &#39;shanghai&#39;, &#39;BEIJING &#39;], "age":[23,44,54,32,34,32], "category":[&#39;100-A&#39;,&#39;100-B&#39;,&#39;110-A&#39;,&#39;110-C&#39;,&#39;210-A&#39;,&#39;130-F&#39;], "price":[1200,np.nan,2133,5433,np.nan,4432]},columns =[&#39;id&#39;,&#39;date&#39;,&#39;city&#39;,&#39;category&#39;,&#39;age&#39;,&#39;price&#39;])

二、数据表信息查看

1、维度查看：

df.shape

2、数据表基本信息（维度、列名称、数据格式、所占空间等）：

df.info()

3、每一列数据的格式：

df.dtypes

4、某一列格式：

df[&#39;B&#39;].dtype

5、空值：

df.isnull()

6、查看某一列空值：

df.isnull()

7、查看某一列的唯一值：

df[&#39;B&#39;].unique()

8、查看数据表的值：

df.values

9、查看列名称：

df.columns

10、查看前10行数据、后10行数据：

df.head() #默认前10行数据df.tail()    #默认后10 行数据

相关推荐：《Python视频教程》

三、数据表清洗

1、用数字0填充空值：

df.fillna(value=0)

2、使用列prince的均值对NA进行填充：

df[&#39;prince&#39;].fillna(df[&#39;prince&#39;].mean())

3、清楚city字段的字符空格：

df[&#39;city&#39;]=df[&#39;city&#39;].map(str.strip)

4、大小写转换：

df[&#39;city&#39;]=df[&#39;city&#39;].str.lower()

5、更改数据格式：

df[&#39;price&#39;].astype(&#39;int&#39;)

6、更改列名称：

df.ｒｅｎａｍｅ(columns={&#39;category&#39;: &#39;category-size&#39;})

7、删除后出现的重复值：

df[&#39;city&#39;].drop_duplicates()

8、删除先出现的重复值：

df[&#39;city&#39;].drop_duplicates(keep=&#39;last&#39;)

9、数据替换：

df[&#39;city&#39;].ｒｅｐｌａｃｅ(&#39;sh&#39;, &#39;shanghai&#39;)

四、数据预处理

df1=pd.DataFrame({"id":[1001,1002,1003,1004,1005,1006,1007,1008], "gender":[&#39;male&#39;,&#39;female&#39;,&#39;male&#39;,&#39;female&#39;,&#39;male&#39;,&#39;female&#39;,&#39;male&#39;,&#39;female&#39;],"pay":[&#39;Y&#39;,&#39;N&#39;,&#39;Y&#39;,&#39;Y&#39;,&#39;N&#39;,&#39;Y&#39;,&#39;N&#39;,&#39;Y&#39;,],"m-point":[10,12,20,40,40,40,30,20]})

1、数据表合并

df_inner=pd.merge(df,df1,how=&#39;inner&#39;)  # 匹配合并，交集df_left=pd.merge(df,df1,how=&#39;left&#39;)        #df_right=pd.merge(df,df1,how=&#39;right&#39;)df_outer=pd.merge(df,df1,how=&#39;outer&#39;)  #并集

2、设置索引列

df_inner.set_index(&#39;id&#39;)

3、按照特定列的值排序：

df_inner.sort_values(by=[&#39;age&#39;])

4、按照索引列排序：

df_inner.sort_index()

5、如果prince列的值>3000，group列显示high，否则显示low：

df_inner[&#39;group&#39;] = np.where(df_inner[&#39;price&#39;] > 3000,&#39;high&#39;,&#39;low&#39;)

6、对复合多个条件的数据进行分组标记

df_inner.loc[(df_inner[&#39;city&#39;] == &#39;beijing&#39;) & (df_inner[&#39;price&#39;] >= 4000), &#39;sign&#39;]=1

7、对category字段的值依次进行分列，并创建数据表，索引值为df_inner的索引列，列名称为category和size

pd.DataFrame((x.split(&#39;-&#39;) for x in df_inner[&#39;category&#39;]),index=df_inner.index,columns=[&#39;category&#39;,&#39;size&#39;]))

8、将完成分裂后的数据表和原df_inner数据表进行匹配

df_inner=pd.merge(df_inner,split,right_index=True, left_index=True)

五、数据提取

主要用到的三个函数：loc,iloc和ix，loc函数按标签值进行提取，iloc按位置进行提取，ix可以同时按标签和位置进行提取。

1、按索引提取单行的数值

df_inner.loc[3]

2、按索引提取区域行数值

df_inner.iloc[0:5]

3、重设索引

df_inner.reset_index()

4、设置日期为索引

df_inner=df_inner.set_index(&#39;date&#39;)

5、提取4日之前的所有数据

df_inner[:&#39;2013-01-04&#39;]

6、使用iloc按位置区域提取数据

df_inner.iloc[:3,:2] #冒号前后的数字不再是索引的标签名称，而是数据所在的位置，从0开始，前三行，前两列。

7、适应iloc按位置单独提起数据

df_inner.iloc[[0,2,5],[4,5]] #提取第0、2、5行，4、5列

8、使用ix按索引标签和位置混合提取数据

df_inner.ix[:&#39;2013-01-03&#39;,:4] #2013-01-03号之前，前四列数据

9、判断city列的值是否为北京

df_inner[&#39;city&#39;].isin([&#39;beijing&#39;])

10、判断city列里是否包含beijing和shanghai，然后将符合条件的数据提取出来

df_inner.loc[df_inner[&#39;city&#39;].isin([&#39;beijing&#39;,&#39;shanghai&#39;])]

11、提取前三个字符，并生成数据表

pd.DataFrame(category.str[:3])

六、数据筛选

使用与、或、非三个条件配合大于、小于、等于对数据进行筛选，并进行计数和求和。

1、使用“与”进行筛选

df_inner.loc[(df_inner[&#39;age&#39;] > 25) & (df_inner[&#39;city&#39;] == &#39;beijing&#39;), [&#39;id&#39;,&#39;city&#39;,&#39;age&#39;,&#39;category&#39;,&#39;gender&#39;]]

2、使用“或”进行筛选

df_inner.loc[(df_inner[&#39;age&#39;] > 25) | (df_inner[&#39;city&#39;] == &#39;beijing&#39;), [&#39;id&#39;,&#39;city&#39;,&#39;age&#39;,&#39;category&#39;,&#39;gender&#39;]].sort([&#39;age&#39;])

3、使用“非”条件进行筛选

df_inner.loc[(df_inner[&#39;city&#39;] != &#39;beijing&#39;), [&#39;id&#39;,&#39;city&#39;,&#39;age&#39;,&#39;category&#39;,&#39;gender&#39;]].sort([&#39;id&#39;])

4、对筛选后的数据按city列进行计数

df_inner.loc[(df_inner[&#39;city&#39;] != &#39;beijing&#39;), [&#39;id&#39;,&#39;city&#39;,&#39;age&#39;,&#39;category&#39;,&#39;gender&#39;]].sort([&#39;id&#39;]).city.count()

5、使用query函数进行筛选

df_inner.query(&#39;city == ["beijing", "shanghai"]&#39;)

6、对筛选后的结果按prince进行求和

df_inner.query(&#39;city == ["beijing", "shanghai"]&#39;).price.sum()

七、数据汇总

主要函数是groupby和pivote_table

1、对所有的列进行计数汇总

df_inner.groupby(&#39;city&#39;).count()

2、按城市对id字段进行计数

df_inner.groupby(&#39;city&#39;)[&#39;id&#39;].count()

3、对两个字段进行汇总计数

df_inner.groupby([&#39;city&#39;,&#39;size&#39;])[&#39;id&#39;].count()

4、对city字段进行汇总，并分别计算prince的合计和均值

df_inner.groupby(&#39;city&#39;)[&#39;price&#39;].agg([len,np.sum, np.mean])

八、数据统计

数据采样，计算标准差，协方差和相关系数

1、简单的数据采样

df_inner.sample(n=3)

2、手动设置采样权重

weights = [0, 0, 0, 0, 0.5, 0.5]df_inner.sample(n=2, weights=weights)

3、采样后不放回

df_inner.sample(n=6, ｒｅｐｌａｃｅ=False)

4、采样后放回

df_inner.sample(n=6, ｒｅｐｌａｃｅ=True)

5、数据表描述性统计

df_inner.describe().round(2).T #round函数设置显示小数位，T表示转置

6、计算列的标准差

df_inner[&#39;price&#39;].std()

7、计算两个字段间的协方差

df_inner[&#39;price&#39;].cov(df_inner[&#39;m-point&#39;])

8、数据表中所有字段间的协方差

df_inner.cov()

9、两个字段的相关性分析

df_inner[&#39;price&#39;].corr(df_inner[&#39;m-point&#39;]) #相关系数在-1到1之间，接近1为正相关，接近-1为负相关，0为不相关

10、数据表的相关性分析

df_inner.corr()

九、数据输出

分析后的数据可以输出为xlsx格式和csv格式

1、写入Excel

df_inner.to_excel(&#39;excel_to_python.xlsx&#39;, sheet_name=&#39;bluewhale_cc&#39;)

2、写入到CSV

df_inner.to_csv(&#39;excel_to_python.csv&#39;)

pandas python

本文地址：http://www.wztg.net/wenda/69476.html

免责声明：本站内容仅用于学习参考，信息和图片素材来源于互联网，如内容侵权与违规，请联系我们进行删除，我们将在三个工作日内处理。联系邮箱：chuangshanghai#qq.com（把#换成@）