pandas是⼀个基于什么的python库_Python的Pandas库简述pandas 是 python 的数据分析处理库
import pandas as pd
1、读取CSV、TXT⽂件
foodinfo = pd.read_csv("pandas_study.csv", encoding = "utf-8")
2、查看前N条、后N条信息
foodinfo.head(N)
foodinfo.tail(N)
3、查看数据框的格式，是DataFrame还是ndarray
print(type(foodinfo))#结果：
4、查看有哪些列
5、查看有⼏⾏⼏列
foodinfo.shape
isnull的用法6、打印某⼀⾏、某⼏⾏数据
foodinfo.loc[0]
foodinfo.loc[0:2]
foodinfo.loc[[2, 5, 10]] #注意⾥⾯是⼀个数组
7、打印某⼀列、某⼏列数据
foodinfo["dti"]
foodinfo[["int_rate", "dti"]] #注意⾥⾯是⼀个数组#或者：
columns = ["int_rate", "dti"]
foodinfo[columns]
8、打印所有列的数据类型
foodinfo.dtypes
9、对列的⼀些相关操作
col_columns =list()
new_columus=[]for c incol_columns:dswith("s"):
new_columus.append(c)print(c)
foodinfo[new_columus]
10、加减乘除：将每⾏都乘以100（加 减 乘 除 ⼀样）
foodinfo[["int_rate", "dti"]] * 100
11、增加⼀列
new_col = foodinfo["int_rate"] * 100foodinfo["new_col"]= new_col
12、列之间的运算
foodinfo["dti"] * foodinfo["int_rate"]
13、查看列的最⼤值、最⼩值、平均值
foodinfo["int_rate"].max()
foodinfo["int_rate"].min()
foodinfo["int_rate"].mean()
14、按某个字段排序 - 升序
#inplace是否新建⼀个dataframe，True不需要
foodinfo.sort_values("int_rate_one", inplace =True)#按某个字段排序 - 降序
foodinfo.sort_values("int_rate_one", inplace = True, ascending = False)
15、查看数据框的⼀些属性：最⼤、最⼩、均值、四分位数等
foodinfo.describe()
16、空值相关的操作
pin = foodinfo["pin"]
pin_isnull= pd.isnull(pin) #查看所有空值
pin_isnull_list = foodinfo[pin_isnull] #出所有为空值的⾏
len(pin_isnull_list) #空值的个数
17、缺失值相关操作
#简单的处理办法就是过滤掉null值
books = foodinfo["life_cycle_books"]
book_isnull=pd.isnull(books)
book_list_isnull= foodinfo["life_cycle_books"][book_isnull ==False]
mean= sum(book_list_isnull) / len(book_list_isnull) #计算平均值
18、根据条件打印某列数据
foodinfo[foodinfo["life_cycle_books"] == 1]
19、数据透视表
importnumpy as np#index：要透视的列#values：要⽐较的关系列#aggfunc：具体的关系，默认值：np.mean
data_foodinfo = foodinfo.pivot_table(index = ["life_cycle_books", "potential_value_books"], values = "risk_level", aggfunc =np.mean)print(data_foodinfo)
20、删除缺失值
#所有⾏
na_foodinfo = foodinfo.dropna(axis = 1)#可以指定列
na_foodinfo = foodinfo.dropna(axis = 0, subset = ["life_cycle_books", "potential_value_books"])
21、⾃由取数据 如：取80⾏ life_cycle_books列
foodinfo.loc[80, "life_cycle_books"]
22、重新排索引
23、⾃定义函数：返回空值个数
defcount_null_columns(column):
column_null=pd.isnull(column)
list_null=column[column_null]
count_null=len(list_null)returncount_null
foodinfo.apply(count_null_columns)
24、Series
#pandas 三种数据结构#Series#DataFrame#Panel
from pandas import Series
25、Series显⽰某⼀列数据
series_name = taitan["Name"]
series_name.values
26、定位某⾏某列
series_name = taitan["Name"]
series_age= taitan["Age"]
series_custom= Series(series_age.values, index =series_name)
series_custom[["Ahlin, Mrs. Johan (Johanna Persdotter Larsson)", "Asplund, Mrs. Carl Oscar (Selma Augusta Emilia Johansson)"]]#说明：series_custom[""] 按列取 series_custom[[""]] 按⾏取
27、取5-10⾏数据，和上⾯⼀样：
series_custom[5: 10]
28、index变换
old_index =series_list()
sort_index=sorted(old_index)
new_index=index(sort_index)print(new_index)
29、Series按索引和值排序的函数
sc1 =series_custom.sort_index()print(sc1)
sc2=series_custom.sort_values()print(sc2)
30、Series 过滤
series_custom > 0.5series_custom[series_custom> 0.5]
series_custom[(series_custom> 0.5) & (series_custom < 0.9)]#注：&、| 都是单符号
31、DataFrame
#Series是⼀⾏数据，DataFrame是多⾏数据#DataFrame 可以看成由多个 Series 组成的
df = pd.read_csv("titanic_train.csv")
32、DataFrame的索引变换
#drop 是否新创建⼀个DF，True否 False是（表⽰还要保留Name这⼀列，否则⼀会⽆法进⾏计算）df_name = df.set_index("Name", drop = False)
33、DataFrame查看某⼀类型的数据
types =df_name.dtypes
float_columns= types[types.values == "float64"].index
df_name[float_columns]
34、DataFrame求⽅差
float_df =df_name[float_columns]
float_df.apply(lambda x: np.std(x))

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。