pandas常⽤操作命令⼤全
⽹上的有个别不对实际敲了⼀下有补充了点常⽤的
环境IDE anaconda python3.7
在这个速查⼿册中，我们使⽤如下缩写：
df：任意的Pandas DataFrame对象
s：任意的Pandas Series对象
同时我们需要做如下的引⼊：
import pandas as pd
import numpy as np
导⼊数据
pd.DataFrame(dict)：从字典对象导⼊数据，Key是列名，Value是数据
导出数据
<_csv(filename)：导出数据到CSV⽂件
<_excel(filename)：导出数据到Excel⽂件
<_sql(table_name, connection_object)：导出数据到SQL表
<_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# Windows加括号报错
df.info()：查看索引、数据类型和内存信息
df.index 查看索引
df.describe()查看数值型列的汇总统计会对数字进⾏统计显⽰总数最⼤最⼩差值
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]：按位置选取数据⽀持索引、切⽚
python新手代码大全pdfs.loc['index_one']：按索引选取数据没看懂这是什么⿁
df.iloc[0,:]：返回第⼀⾏冒号表⽰从头到尾，可以指定切⽚长度
df.iloc[0,0]：返回第⼀列的第⼀个元素
df.iloc[:,0]: 返回第⼀列数据
数据清理
pd.isnull().any()：检查DataFrame对象中的空值，并返回⼀个Boolean数组
ull() == True] 过滤所有的空值
pd[pd.列名.notnull() == True] 过滤本列中是空值得数据
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
df.set_index('column_one')：更改索引列
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.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customer_data.pivot_table(index='refer', values='age', aggfunc=[max, min]) . 显⽰每个渠道的最⼤最⼩值df.groupby(col1).an)：返回按列col1分组的所有列的均值
经常⽤于按渠道显⽰每个渠道的平均值，每个渠道的年龄平均值（最⼤最⼩不⾏整条数据）
data.an)：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
数据处理：添加新列
根据当前处理结果将结果添加到新的列宗/增加⼀列
frame['test'] = frame.apply(lamubda x: function(x.city, x.year), axis = 1)
function是编写的函数
数据合并
df1.append(df2)：将df2中的⾏添加到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
<()：返回列与列之间的相关系数
df.max()：返回每⼀列的最⼤值
df.min()：返回每⼀列的最⼩值
df.std()：返回每⼀列的标准差离散度
数值越⼤表⽰数据越散
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论