Pandas数据处理（pandas数据处理总结）

Pandas数据处理（pandas数据处理总结）

Pandas数据处理：

导⼊数据导出数据查看数据数据选取数据处理数据分组和排序数据合并

# 在使用之前，需要导入pandas库import pandas as pd

导⼊数据：

pd.DataFrame() # 自己创建数据框，用于练习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

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writer=pd.ExcelWriter('test.xlsx',index=False) df1.to_excel(writer,sheet_name='单位')和writer.save()，将多个数据帧写⼊同⼀个⼯作簿的多个sheet(⼯作表)

查看数据：

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.columns() # 查看字段（⾸⾏）名称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df.isnull().any() # 查看是否有缺失值df[df[column_name].duplicated()] # 查看column_name字段数据重复的数据信息df[df[column_name].duplicated()].count() # 查看column_name字段数据重复的个数

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df.loc[0,:] # 返回第⼀⾏（索引为默认的数字时，⽤法同df.iloc），但需要注意的是loc是按索引,iloc参数只接受数字参数df.ix[[:5],["col1","col2"]] # 返回字段为col1和col2的前5条数据，可以理解为loc和iloc的结合体。df.at[5,"col1"] # 选择索引名称为5，字段名称为col1的数据df.iat[5,0] # 选择索引排序为5，字段排序为0的数据

数据处理：

df.columns= ['a','b','c'] # 重命名列名（需要将所有列名列出，否则会报错）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(value=x) # ⽤x替换DataFrame对象中所有的空值，⽀持df[column_name].fillna(x)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3df.rename(columns=lambdax:x+1) # 批量更改列名df.rename(columns={'old_name':'new_ name'}) # 选择性更改列名df.set_index('column_one') # 将某个字段设为索引，可接受列表参数，即设置多个索引df.reset_index("col1") # 将索引设置为col1字段，并将索引新设置为0,1,2...df.rename(index=lambdax:x+1) # 批量重命名索引

数据分组、排序、透视：

df.sort_index().loc[:5] # 对前5条数据进⾏索引排序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].agg(mean) # 返回按列col1进⾏分组后，列col2的均值,agg可以接受列表参数，agg([len,np.mean])df.pivot_table(index=col1,values=[col2,col3],aggfunc={col2:max,col3:[ma,min]}) # 创建⼀个按列col1进⾏分组，计算col2的最⼤值和col3的最⼤值、最⼩值的数据透视表df.groupby(col1).agg(np.mean) # 返回按列col1分组的所有列的均值,⽀持df.groupby(col1).col2.agg(['min','max'])data.apply(np.mean) # 对DataFrame中的每⼀列应⽤函数np.meandata.apply(np.max,axis=1) # 对DataFrame中的每⼀⾏应⽤函数np.maxdf.groupby(col1).col2.transform("sum") # 通常与groupby连⽤，避免索引更改

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,join='inner') # 将df2中的列添加到df1的尾部,值为空的对应⾏与对应列都不要df1.join(df2.set_index(col1),on=col1,how='inner') # 对df1的列和df2的列执⾏SQL形式的join，默认按照索引来进⾏合并，如果df1和df2有共同字段时，会报错，可通过设置lsuffix,rsuffix来进⾏解决，如果需要按照共同列进⾏合并，就要⽤到set_index(col1)pd.merge(df1,df2,on='col1',how='outer') # 对df1和df2合并，按照col1，⽅式为outerpd.merge(df1,df2,left_index=True,right_index=True,how='outer') #与 df1.join(df2, how='outer')效果相同

去期待陌生，去拥抱惊喜。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。