python pandas速查手冊
阿新 • • 發佈:2020-07-12
pandas介面速查
import pandas as pd
import numpy as np
匯入資料
- pd.read_csv(filename):從CSV檔案匯入資料
- pd.read_table(filename):從限定分隔符的文字檔案匯入資料
- pd.read_excel(filename):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
匯出資料
- df.to_csv(filename):匯出資料到CSV檔案
- df.to_excel(filename):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):以Json格式匯出資料到文字檔案
建立測試物件
- 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
檢視、檢查資料
- df.head(n):檢視DataFrame物件的前n行
- df.tail(n):檢視DataFrame物件的最後n行
- df.shape():檢視行數和列數
- 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
資料選取
- 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]:按位置選取資料
- s.loc['index_one']:按索引選取資料
- df.iloc[0,:]:返回第一行
- df.iloc[0,0]:返回第一列的第一個元素
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
- s.astype(float):將Series中的資料型別更改為float型別
- s.replace(1,'one'):用‘one’代替所有等於1的值
- s.replace([1,3],['one','three']):用'one'代替1,用'three'代替3
- 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'):更改索引列
- df.rename(index=lambda x: x + 1):批量重新命名索引
資料處理:Filter、Sort和GroupBy
- 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
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
pandas增刪改查
pandas類似於SQL一樣增刪查改
增:新增新行或增加新列
import pandas as pd
dic = {'Name':['LiuShunxiang','Zhangshan'],'Sex':['M','F'],'Age':[27,23],'Height':[165.7,167.2],'Weight':[61,63]}
student = pd.DataFrame(dic)
dic = {'Name':['LiuShunxiang','Zhangshan'],'Sex':['M','F'],'Age':[27,23],'Height':[165.7,167.2],'Weight':[61,63]}
student = pd.DataFrame(dic)
dic1 = {'Name':['Lisi'],'Sex':['F'],'Age':[23],'Height':[167.2],'Weight':[63]}
student1 = pd.DataFrame(dic1)
#合併兩個DataFrame
student2 = pd.concat([student,student1])
print(student2)
新增列的話,其實在pandas中就更簡單了,例如在student2中新增一列學生成績:
student3 = pd.DataFrame(student2, columns=['Name', "Age", "Height", "Weight", "Sex", "Score"])
print(student3)
對於新增的列沒有賦值,就會出現空NaN的形式。
刪:刪除表、觀測行或變數列
刪除資料框student2,通過del命令實現,該命令可以刪除Python的所有物件。
刪除指定的行
student4 = student3.drop([0])
print(student4)
原資料中的索引為0行的資料已經被刪除了。
根據布林索引刪除行資料,其實這個刪除就是保留刪除條件的反面資料,例如刪除所有14歲以下的學生:
student4 = student3[student3["Age"]>25]
print(student4)
刪除指定的列
student4 = student3.drop(['Height', 'Weight'], axis=1)
print(student4)
我們發現,不論是刪除行還是刪除列,都可以通過drop方法實現,只需要設定好刪除的軸即可,即調整drop方法中的axis引數。預設該引數為0,表示刪除行觀測,如果需要刪除列變數,則需設定為1。
改:修改原始記錄的值
如果發現表中的某些資料錯誤了,如何更改原來的值呢?我們試試結合布林索引和賦值的方法:例如發現student3中姓名為Liushunxiang的學生身高錯了,應該是173,如何改呢?
student3.ix[student3["Name"] == "LiuShunxiang", "Height"] = 170
print(student3)
這樣就可以把原來的身高修改為現在的170了