Pandas入门学习

导入

一般于numpy结合使用:

import pandas as pd
import numpy as np

两种数据格式

导入数据

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

创建测试对象

pd.DataFrame(np.random.rand(20,5))：
//创建20行5列的随机数组成的DataFrame对象
pd.Series(my_list)：
//从可迭代对象my_list创建一个Series对象
df.index = pd.date_range('1900/1/30', periods=df.shape[0])：
//增加一个日期索引

查看、检查数据

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

数据选取

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
df.values[:,:-1]://返回除了最后一列的其他列的所以数据
df.query('[1, 2] not in c'): //返回c列中不包含1，2的其他数据集

数据清理

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：Filter、Sort和GroupBy

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

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