pandas基础

df：任意的Pandas DataFrame对象
s：任意的Pandas Series对象

读写文件

读取文件

# 读入文件

filename = ""
url=""
json_string = ""
pd.read_csv(filename); 						 # 从CSV文件导入数据
pd.read_table(filename); 					 # 从限定分隔符的文本文件导入数据
pd.read_excel(filename); 					 # 从Excel文件导入数据
pd.read_sql(query, connection_object);		  # 从SQL表/库导入数据
pd.read_json(json_string); 					 # 从JSON格式的字符串导入数据
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(); 						# 从你的粘贴板获取内容，并传给read_table()
pd.DataFrame(dict); 						# 从字典对象导入数据，Key是列名，Value是数据
# ...

导出数据

df.to_csv(filename)  # 导出数据到CSV文件
df.to_excel(filename)  # 导出数据到Excel文件
df.to_sql(table_name, connection_object)  # 导出数据到SQL表
df.to_json(filename)  # 以Json格式导出数据到文本文件

查看数据


df.head(n) 		# 查看DataFrame对象的前n行
df.tail(n) 		# 查看DataFrame对象的最后n行
df.shape()		# 查看行数和列数
df.info()# 查看索引、数据类型和内存信息
df.describe()	# 查看数值型列的汇总统计
s.value_counts(dropna=False)# 查看Series对象的唯一值和计数
df.apply(pd.Series.value_counts)# 查看DataFrame对象中每一列的唯一值和计数

数据切片

df[col] 	# 根据列名，并以Series的形式返回列
df[[col1, col2]]# 以DataFrame形式返回多列
s.iloc[0]	# 按位置选取数据
s.loc['index_one']	# 按索引选取数据
df.iloc[0,:]# 返回第一行
df.iloc[0,0]# 返回第一列的第一个元素

数据清洗

df.columns = ['a', 'b', 'c']      # 重命名列名
pd.isnull()  # 检查DataFrame对象中的空值，并返回一个Boolean数组
pd.notnull()  # 检查DataFrame对象中的非空值，并返回一个Boolean数组
df.dropna()  # 删除所有包含空值的行
df.dropna(axis=1)  # 删除所有包含空值的列
df.dropna(axis=1, thresh=n)  # 删除所有小于n个非空值的行
df.fillna(x)  # 用x替换DataFrame对象中所有的空值
s.astype(float)  # 将Series中的数据类型更改为float类型
s.replace(1, 'one')  # 用‘one’代替所有等于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={'old_name': 'new_ name'})  # 选择性更改列名
df.set_index('column_one')  # 更改索引列
df.rename(index=lambda x: x + 1)  # 批量重命名索引

数据处理

df[df[col] > 0.5]# 选择col列的值大于0.5的行
df.sort_values(col1)# 按照列col1排序数据，默认升序排列
df.sort_values(col2, ascending=False)# 按照列col1降序排列数据
df.sort_values([col1,col2], ascending=[True,False])# 先按列col1升序排列，后按col2降序排列数据
df.groupby(col)# 返回一个按列col进行分组的Groupby对象
df.groupby([col1,col2])# 返回一个按多列进行分组的Groupby对象
df.groupby(col1)[col2]# 返回按列col1进行分组后，列col2的均值
df.pivot_table(index=col1, values=[col2,col3], aggfunc=max)# 创建一个按列col1进行分组，并计算col2和col3的最大值的数据透视表
df.groupby(col1).agg(np.mean)# 返回按列col1分组的所有列的均值
data.apply(np.mean)# 对DataFrame中的每一列应用函数np.mean
data.apply(np.max,axis=1)# 对DataFrame中的每一行应用函数np.max

数据合并

df1.append(df2)  # 将df2中的行添加到df1的尾部
df.concat([df1, df2], axis=1)  # 将df2中的列添加到df1的尾部
df1.join(df2, on=col1, how='inner')  # 对df1的列和df2的列执行SQL形式的join
pd.merge(df1, df2, on='key')

数据统计

df.describe()  # 查看数据值列的汇总统计
df.mean()  # 返回所有列的均值
df.corr()  # 返回列与列之间的相关系数
df.count()  # 返回每一列中的非空值的个数
df.max()  # 返回每一列的最大值
df.min()  # 返回每一列的最小值
df.median()  # 返回每一列的中位数
df.std()  # 返回每一列的标准差