pandas常见操作
pandas 适用于处理以下类型的数据：
- 与 SQL 或 Excel 表类似的，含异构列的表格数据;
- 有序和无序（非固定频率）的时间序列数据;
- 带行列标签的矩阵数据，包括同构或异构型数据;
- 任意其它形式的观测、统计数据集, 数据转入 Pandas 数据结构时不必事先标记
pandas的主要数据结构为：一维数据Series(带标签的一维同构数组)和二维数据DataFrame(带标签的二维的异构表格)。pandas基于numpy开发，可以与其他科学计算支持库完美集成。
1）创建Series，Series有着相同的数据类型
2）创建DataFrame，DataFrame列有着不同的数据类型
3）查看数据
df.head(n) #查看头部，默认查看前5行
df.tail(n) #查看尾部，默认查看后5行
df.columns #显示索引
df.to_numpy() #输出底层的Numpy对象 输出不包含索引和列标签
df.describe()快速查看统计的摘要
4) 转置
df.T #对df进行转置
DataFrame常用的属性：
df.size # 返回df中元素的个数
df.shape[0], df.shape[1] #返回df的行数和列数 df.shape为df的维度元组
df.dtypes #返回df中的数据类型
df.empty #df是否为空，为空时为True，否则为False
df.ndim #返回df的维度，默认为2维
5）排序
按标签排序：使用sort_index()方法，通过传递axis参数和排序顺序，可以对DataFrame进行排序。 默认情况下，按照升序对行标签进行排序
按行排序
按列排序
按值排序：
df.sort_values(by='age',ascending=False)
6）数据选择
将list转成dataFrame：
data_df = pd.DataFrame(data_list, columns=["reg_date", "reg_user_cnt", "bus_user_cnt", "car_user_cnt"])
print(data_df.loc[:]) 等价于print(df) #查看所有数据
![]()
loc()主要基于标签(label)的，包括行标签(index)和列标签(colums)，即行名称和列名称，可以使用def.loc[index_name, col_name]选择指定位置的数据，主要用法有：
- 单个标量标签，如果
.loc中只有单个标签，那么选择的是一行。如：df.loc['a']选择的是 index 为’a’的一样。 - 标签列表，如：
df.loc[['a', 'b', 'c']]，同样只选择行。 - 切片对象，与通常的 python 切片不同，在最终选择的数据数据中包含切片的 start 和 stop。如：
df.loc['c' : 'h']即包含’c’行，也包含’h’行。 - 布尔数组，用于筛选符合某些条件的行，如：
df.loc[df.A>0.5]筛选出所有’A’列大于0.5的行
iloc() 是基于整数的索引，利用元素在各个轴上的索引序号进行选择，序号超过范围产生IndexError，切片时允许序号超过范围。
各种访问方式如下 :
- 整数，与
.loc相同，如果只使用一个维度，则对行选择，小标从 0 开始。如：df.iloc[5]，选择第 6 行。 - 整数列表或者数组，如
df.iloc[[5, 1, 7]]，选择第 6 行， 第 2 行， 第 8 行。 - 元素为整数的切片操作，与
.loc不同，这里下标为 stop 的数据不被选择。如：df.iloc[0:3]， 只包含 0，1，2行，不包含第 3 行。 - 使用布尔数组进行筛选，如
df.iloc[np.array(df.A>0.5)]，df.iloc[list(df.A>0.5)]
df.loc[]，df.iloc[]的区别如下：df.loc[]只能使用标签索引，不能使用整数索引，通过便签索引切边进行筛选时，前闭后闭。df.iloc[]只能使用整数索引，不能使用标签索引，通过整数索引切边进行筛选时，前闭后开。
① 选择单列
方法：
data_df["reg_date"] 、data_df.reg_date、data_df.loc[:,'reg_date']
注：使用df.loc[]进行数据筛选，方括号内必须有两个参数，第一个参数是对行进行筛选，第二个参数是对列进行筛选，两个参数用逗号隔开
②选择多列
data_df[["reg_date","reg_user_cnt"]]
data_df.loc[:,('reg_date','reg_user_cnt')] #经过测试('reg_date','reg_user_cnt') 进行列的选择时，使用元组和列表都可以,['reg_date','reg_user_cnt']
③数据切片
[行，列] #行列之间用逗号隔开
数据筛选：
缺失值，Pandas 主要用 np.nan 表示缺失数据。 计算时，默认不包含空值。
df1.dropna(how='any') #删除所有含缺失值的行
df1.fillna(value=5) #填充所有的缺失值
更多详细介绍可参考：
https://geek-docs.com/pandas/pandas-tutorials/pandas-indexes-and-select-data.html 极客教程
浙公网安备 33010602011771号