Python之Pandas 相關操作03---常用方法總結速查
阿新 • • 發佈:2020-07-09
在這個速查手冊中,我們使用如下縮寫:
df:任意的Pandas DataFrame物件
s:任意的Pandas Series物件
raw:行標籤
col:列標籤
匯入依賴包:
import pandas as pd import numpy as np
1.匯入資料
- pd.read_csv(filename_path):從CSV檔案匯入資料
- pd.read_table(filename_path):從限定分隔符的文字檔案匯入資料
- pd.read_excel(filename_path):從Excel檔案匯入資料
- pd.read_sql(query, connection_object):從SQL表/庫匯入資料
- pd.read_json(json_string):從JSON格式的字串匯入資料
- pd.read_html(url):解析URL、字串或者HTML檔案,抽取其中的tables表格
- pd.read_clipboard():從你的貼上板獲取內容,並傳給read_table()
- pd.DataFrame(dict):從字典物件匯入資料,Key是列名,Value是資料
2.匯出資料
- df.to_csv(filename_path):匯出資料到CSV檔案
- df.to_excel(filename_path):匯出資料到Excel檔案
- df.to_sql(table_name, connection_object):匯出資料到SQL表
- df.to_json(filename_path):以Json格式匯出資料到文字檔案
3.建立測試資料
- pd.DataFrame(np.random.rand(20,5)):建立20行5列的隨機陣列成的DataFrame物件
- pd.Series(my_list):從可迭代物件my_list建立一個Series物件
- df.index = pd.date_range('1900/1/30', periods=df.shape[0]):增加一個日期索引
4.檢視、檢查資料
- df.head(n):檢視DataFrame物件的前n行(不加引數,預設前10行)
- df.tail(n):檢視DataFrame物件的最後n行(不加引數,預設後10行
- df.shape():檢視行數和列數(維度檢視)
- df.info():檢視索引、資料型別和記憶體資訊
- df.describe():檢視數值型列的彙總統計
- s.value_counts(dropna=False):檢視Series物件的唯一值和計數
- df.apply(pd.Series.value_counts):檢視DataFrame物件中每一列的唯一值和計數
- df.dtypes:檢視每一列的資料型別(擴充套件:df['two'].dtypes,檢視“two”列的型別)
- df.isnull():檢視空置(注:空置部分會用true顯示,不是空置False顯示)(擴充套件:df['two'].isnull,檢視“two”這一列的空置)
- df.values:檢視資料表的值
- df.columns:檢視列名稱
5.資料選取
- df.isin([5]):判斷全部資料值中是否有5
- df[col].isin([5]):判斷列col中是否有5
- df[col]:根據列名,並以Series的形式返回列
- df[[col1, col2]]:以DataFrame形式返回多列
- s.iloc[0]:按位置選取行資料
- s.loc['index_one']:按索引選取行資料
- df.iloc[0,:]:返回第一行
- df.iloc[0,0]:返回第一行的第一個元素
- df.ix[0] 或 df.ix[raw] :ix函式可以根據行位置或行標籤選擇行資料
注:loc函式根據行/列標籤(使用者自定義的行名、列名)進行行選擇;
iloc函式根據行/列位置(預設的行列索引)進行行選擇;
6.資料清理
- df.columns = ['a','b','c']:重新命名列名
- pd.isnull():檢查DataFrame物件中的空值,並返回一個Boolean陣列
- pd.notnull():檢查DataFrame物件中的非空值,並返回一個Boolean陣列
- df.dropna():刪除所有包含空值的行
- df.dropna(axis=1):刪除所有包含空值的列
- df.dropna(axis=1,thresh=n):刪除所有小於n個非空值的行
- df.fillna(x):用x替換DataFrame物件中所有的空值(注:fillna()會填充nan資料,返回填充後的結果。如果希望在原DataFrame中修改,則把inplace設定為True。如,df.fillna(0,inplace=True))
- s.astype(float):將Series中的資料型別更改為float型別
- df[col].astype(float):將DataFrame某列資料型別改為float型別
- s.replace(1,'first'):用‘first’代替所有等於1的值(替換的是值,不是列名也不是索引名)
- s.replace([1,3],['one','three']):用'one'代替1,用'three'代替3
- df[col].replace(1,1.0,inplace=True):列col中的值1用1.0替換
- df.replace([1,3],['one','three'])
- df.rename(columns=lambda x: x + 1):批量更改列名
- df.rename(columns={'old_name': 'new_ name'}):選擇性更改列名
- df.set_index('column_one'):將column_one這一列變為索引列
- df.rename(index=lambda x: x + 1):批量重新命名索引
- df[col]=df[col].str.upper()或df[col].str.lower():基於列的大小寫轉換
- df[col]=df[col].map(str.strip):清除某列的空格
- df.drop_duplicates(subset=col,keep='fisrt',inplace=Flase):刪除重複值
注:這個drop_duplicate方法是對DataFrame格式的資料,去除特定列下面的重複行。返回DataFrame格式的資料。
- subset : column label or sequence of labels, optional 用來指定特定的列,預設所有列
- keep : {‘first’, ‘last’, False}, default ‘first’ 刪除重複項並保留第一次出現的項
- inplace : boolean, default False 是直接在原來資料上修改還是保留一個副本
7.資料處理
- df[df[col] > 0.5]:選擇col列的值大於0.5的行
- df.sort_values(col1):按照列col1排序資料,預設升序排列
- df.sort_values(col2, ascending=False):按照列col1降序排列資料
- df.sort_values([col1,col2], ascending=[True,False]):先按列col1升序排列,後按col2降序排列資料
- df.groupby(col):返回一個按列col進行分組的Groupby物件
- df.groupby([col1,col2]):返回一個按多列進行分組的Groupby物件
- df.groupby(col1)[col2]:返回按列col1進行分組後,列col2的均值
- df.pivot_table(index=col1, values=[col2,col3], aggfunc=max):建立一個按列col1進行分組,並計算col2和col3的最大值的資料透視表
- df.groupby(col1).agg(np.mean):返回按列col1分組的所有列的均值
- data.apply(np.mean):對DataFrame中的每一列應用函式np.mean
- data.apply(np.max,axis=1):對DataFrame中的每一行應用函式np.max
- df.isin
8.資料合併
- df1.append(df2):將df2中的行新增到df1的尾部
- df.concat([df1, df2],axis=1):將df2中的列新增到df1的尾部
- df1.join(df2,on=col1,how='inner'):對df1的列和df2的列執行SQL形式的join
9.資料統計
- df.describe():檢視資料值列的彙總統計
- df.mean():返回所有列的均值
- df.corr():返回列與列之間的相關係數
- df.count():返回每一列中的非空值(NaN)的個數
- df.max():返回每一列的最大值
- df.min():返回每一列的最小值
- df.median():返回每一列的中位數
- df.std():返回每一列的標準差
- df.sum():返回所有行的和
參考文獻:https://www.cnblogs.com/Downtime/p/9067536.html