• 欢迎光临~

Pandas 速查手册

开发技术 开发技术 2022-07-28 次浏览

关键缩写和包导入

 

 

在这个速查手册中,我们使用如下缩写:

 

 

df:任意的 Pandas DataFrame 对象

 

 

同时我们需要做如下的引入:

 

 

import pandas as pd

 

 

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

 

 

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={'oldname': '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
程序员灯塔
转载请注明原文链接:Pandas 速查手册
喜欢 (0)