python之pandas⽤法⼤全⼀、⽣成数据表
1、⾸先导⼊pandas库，⼀般都会⽤到numpy库，所以我们先导⼊备⽤：
import numpy as np
import pandas as pd
python基础代码大全下载2、导⼊CSV或者xlsx⽂件：
df = pd.ad_csv('name.csv',header=1))
df = pd.ad_excel('name.xlsx'))
3、⽤pandas创建数据表：
df = pd.DataFrame({"id":[1001,1002,1003,1004,1005,1006],
"date":pd.date_range('20130102', periods=6),
"city":['Beijing ', 'SH', ' guangzhou ', 'Shenzhen', 'shanghai', 'BEIJING '],
"age":[23,44,54,32,34,32],
"category":['100-A','100-B','110-A','110-C','210-A','130-F'],
"price":[1200,np.nan,2133,5433,np.nan,4432]},
columns =['id','date','city','category','age','price'])
⼆、数据表信息查看
1、维度查看：
df.shape
2、数据表基本信息（维度、列名称、数据格式、所占空间等）：
df.info()
3、每⼀列数据的格式：
df.dtypes
4、某⼀列格式：
df['B'].dtype
5、空值：
df.isnull()
6、查看某⼀列空值：
df.isnull()
7、查看某⼀列的唯⼀值：
df['B'].unique()
8、查看数据表的值：
df.values
zblog博客模板推荐9、查看列名称：
10、查看前10⾏数据、后10⾏数据：
df.head() #默认前10⾏数据
df.tail()  #默认后10 ⾏数据
三、数据表清洗
1、⽤数字0填充空值：
df.fillna(value=0)
2、使⽤列prince的均值对NA进⾏填充：
df['prince'].fillna(df['prince'].mean())
3、清楚city字段的字符空格：
df['city']=df['city'].map(str.strip)
4、⼤⼩写转换：
df['city']=df['city'].str.lower()
5、更改数据格式：
df['price'].astype('int')
6、更改列名称：
7、删除后出现的重复值：
df['city'].drop_duplicates()
8、删除先出现的重复值：
df['city'].drop_duplicates(keep='last')
9、数据替换：
df['city'].replace('sh', 'shanghai')
四、数据预处理
df1=pd.DataFrame({"id":[1001,1002,1003,1004,1005,1006,1007,1008],
"gender":['male','female','male','female','male','female','male','female'],
"pay":['Y','N','Y','Y','N','Y','N','Y',],
"m-point":[10,12,20,40,40,40,30,20]})
1、数据表合并
df_(df,df1,how='inner') # 匹配合并，交集
df_(df,df1,how='left')    #
df_(df,df1,how='right')
df_(df,df1,how='outer') #并集
2、设置索引列
df_inner.set_index('id')
3、按照特定列的值排序：
df_inner.sort_values(by=['age'])
4、按照索引列排序：
df_inner.sort_index()
5、如果prince列的值>3000，group列显⽰high，否则显⽰low：
df_inner['group'] = np.where(df_inner['price'] > 3000,'high','low')
6、对复合多个条件的数据进⾏分组标记
round函数嵌套sum函数视频df_inner.loc[(df_inner['city'] == 'beijing') & (df_inner['price'] >= 4000), 'sign']=1
7、对category字段的值依次进⾏分列，并创建数据表，索引值为df_inner的索引列，列名称为categor
y和size pd.DataFrame((x.split('-') for x in df_inner['category']),index=df_inner.index,columns=['category','size']))
8、将完成分裂后的数据表和原df_inner数据表进⾏匹配
df_(df_inner,split,right_index=True, left_index=True)
五、数据提取
主要⽤到的三个函数：loc,iloc和ix，loc函数按标签值进⾏提取，iloc按位置进⾏提取，ix可以同时按标签和位置进⾏提取。
1、按索引提取单⾏的数值
df_inner.loc[3]
2、按索引提取区域⾏数值
df_inner.iloc[0:5]
3、重设索引
set_index()
4、设置⽇期为索引
df_inner=df_inner.set_index('date')
5、提取4⽇之前的所有数据
df_inner[:'2013-01-04']
6、使⽤iloc按位置区域提取数据
df_inner.iloc[:3,:2] #冒号前后的数字不再是索引的标签名称，⽽是数据所在的位置，从0开始，前三⾏，前两列。
7、适应iloc按位置单独提起数据
df_inner.iloc[[0,2,5],[4,5]] #提取第0、2、5⾏，4、5列
8、使⽤ix按索引标签和位置混合提取数据
df_inner.ix[:'2013-01-03',:4] #2013-01-03号之前，前四列数据
9、判断city列的值是否为北京
df_inner['city'].isin(['beijing'])
10、判断city列⾥是否包含beijing和shanghai，然后将符合条件的数据提取出来
df_inner.loc[df_inner['city'].isin(['beijing','shanghai'])]
11、提取前三个字符，并⽣成数据表
pd.DataFrame(category.str[:3])
六、数据筛选
使⽤与、或、⾮三个条件配合⼤于、⼩于、等于对数据进⾏筛选，并进⾏计数和求和。
1、使⽤“与”进⾏筛选
df_inner.loc[(df_inner['age'] > 25) & (df_inner['city'] == 'beijing'), ['id','city','age','category','gender']]
oracle字符集查询2、使⽤“或”进⾏筛选
df_inner.loc[(df_inner['age'] > 25) | (df_inner['city'] == 'beijing'), ['id','city','age','category','gender']].sort(['age'])
3、使⽤“⾮”条件进⾏筛选
df_inner.loc[(df_inner['city'] != 'beijing'), ['id','city','age','category','gender']].sort(['id'])
4、对筛选后的数据按city列进⾏计数
df_inner.loc[(df_inner['city'] != 'beijing'), ['id','city','age','category','gender']].sort(['id']).unt()
c语言中数组长度5、使⽤query函数进⾏筛选
df_inner.query('city == ["beijing", "shanghai"]')
6、对筛选后的结果按prince进⾏求和
df_inner.query('city == ["beijing", "shanghai"]').price.sum()
七、数据汇总
主要函数是groupby和pivote_table
1、对所有的列进⾏计数汇总
upby('city').count()
2、按城市对id字段进⾏计数
upby('city')['id'].count()
3、对两个字段进⾏汇总计数
upby(['city','size'])['id'].count()
4、对city字段进⾏汇总，并分别计算prince的合计和均值
upby('city')['price'].agg([len,np.sum, np.mean])
⼋、数据统计
数据采样，计算标准差，协⽅差和相关系数
1、简单的数据采样
df_inner.sample(n=3)
2、⼿动设置采样权重
weights = [0, 0, 0, 0, 0.5, 0.5]
df_inner.sample(n=2, weights=weights)
3、采样后不放回
df_inner.sample(n=6, replace=False)
4、采样后放回
df_inner.sample(n=6, replace=True)
5、数据表描述性统计
df_inner.describe().round(2).T #round函数设置显⽰⼩数位，T表⽰转置
6、计算列的标准差
df_inner['price'].std()
7、计算两个字段间的协⽅差
df_inner['price'].cov(df_inner['m-point'])
8、数据表中所有字段间的协⽅差
v()
9、两个字段的相关性分析
df_inner['price'].corr(df_inner['m-point']) #相关系数在-1到1之间，接近1为正相关，接近-1为负相关，0为不相关10、数据表的相关性分析
()
九、数据输出
分析后的数据可以输出为xlsx格式和csv格式
1、写⼊Excel
_excel('excel_to_python.xlsx', sheet_name='bluewhale_cc')
css外部样式表2、写⼊到CSV
_csv('excel_to_python.csv')
以上就是关于pandas的基本⽤法，⼤家可以参考下

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。