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