Python数据分析：pandas 类库及常用方法

定义：pandas是基于NumPy数组构建的，使数据预处理、清洗、分析工作变得更快更简单。pandas是专门为处理表格和混杂数据设计的，而NumPy更适合处理统一的数值数组数据。

import pandas as pd

数据结构：Series | DataFrame。

Series：pd.Series(list,index=[ ]) 类似于一维数组的得对象，是由一组数据+一列索引组成。可以使用切片，运算等操作，类似于ndarray。

DataFrame：pd.DataFrame(data,columns = [ ],index = [ ]) 是一个表格形的数据类型。常用类型。axis = 1 列  axis = 0 行

数据转换：

1：pd.DataFrame(Series) 可以把Series结构变为DataFrame。

2：DataFrame.values 可以把DataFrame结构变为 一个numpy 的ndarray。也可以通过索引或者列名获得一个Series。df['列名'] 或者 df.列名。

常用方法：

1，df.reset_index(drop=True) 重置索引，会创建一个新对象。默认保留原来索引，加上drop=True删除原来索引。

2，df.set_index() 设置一列索引。

3，df.drop() 删除指定行值或列值（axis = 1 列  axis = 0 行，默认为行）。

df.drop(index=df[df["价格"].isnull()].index, inplace=True) # 例如：删除价格为空的所有行

4，del df['列'] 删除一列值。


5，df.dropna() 删除指定的行或者列 为空 的值。

6，df.drop_duplicated() 删除重复值，可指定列，指定保留第一行，或者最后一行。

7，df.loc['行','列']  通过标签定位数据，df.iloc[:] 通过索引定位数据。

8，df.sort_values('列',axis=0, ascending=True) 排序。Series不需要参数列，ascending默认True升序。

9，df.describe() 快速列出数据的概要，多个维度的汇总统计。

10，df.info() 索引，数据类型，内存信息等。

11，df.unique() 返回一个Series里面唯一值组成的数组。

12，df.sum() 计算一列的和。

13，df.count()  计算非NaN值的总量。

14，df.mean() 计算一列的平均值。

15，df.median() 计算一列的中位数。

16，df.mode() 计算一列的众数。

17，df.var() 计算一列的方差。

18，df.std() 计算一列的标准差。

19，df.min() 计算一列的最小值。

20，df.max() 计算一列的最大值。

21，df.value_counts() 计算一列中数据出现的频率。

22，df.groupby() 分组。

23，df.head() 取出数据的前几行。

24，df.tail() 取出数据的后几行。

25，read_csv()，read_excel()，read_sql()，read_json()，read_html() 等.... pandas提供的读取数据方法。

26，to_excel() 写入excel文件，可以用pd.ExcelWriter()申明对象存储多个sheet。

27，pd.contact() ，pd.append() 行数据合并拼接，只在axis = 0上操作。

28，pd.merge() 数据关联操作，类sql,可以设置关联方向：left, right,inner,outer。 join()类merge，但是只能在索引关联。

29，pd.rename(columns={'原名':'修改名'}, inplace = True) 修改列名。

30，df['列'].fillna(0) 把一列里面为空的赋值为0.

31，df['列'].astype(int) 转换一列数据类型。

32，df.agg() 指定列或者行上 一个或者多个操作数据聚合。

33，df.sort_values(by=['列'],ascending=False).groupby(['列']).head(3) 根据一列排序，并根据另一列取出前几行

34，df.insert(1, '列1, 1, allow_duplicates=False) 在指定的位置插入列1

...后续陆续加入