pandas模組常見用法
阿新 • • 發佈:2018-11-07
一、匯入模組
import time,random
import pandas as pd
import numpy as np
二、用法
說明:
df物件為 df=pd.DataFrame(dict)
s物件為 s=pd.Series(data=dict)
1、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
2、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
3、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
4、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
5、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 df.values[:,:-1]:返回除了最後一列的其他列的所以資料 df.query('[1, 2] not in c'): 返回c列中不包含1,2的其他資料集
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
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
7、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
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
三、通過pandas模組將資料寫入到excel中
#!/usr/bin/env python
#-*- coding:utf-8 -*-
import random
import pandas as pd
data={
'客戶編碼':[],
'客戶名稱':[],
'聯絡人':[],
'手機':[],
'郵箱':[],
}
for i in range(1,51):
data['客戶編碼'].append('000'+str(i))
data['客戶名稱'].append('測試'+str(i))
data['聯絡人'].append('張'+str(i))
data['手機'].append('13' +str(random.randrange(4,10))+''.join( str(random.choice(range(10))) for _ in range(8) ))
data['郵箱'].append('125'+''.join( str(random.choice(range(4))) for _ in range(6) ) + '@qq.com')
df = pd.DataFrame(data)
df.to_excel('test.xls') #將資料寫入到excel中
四、知識擴充套件
1、生成隨機手機號碼
#!/usr/bin/env python
#-*- coding:utf-8 -*-
import random
#隨機產生5個手機號:以13開頭,後面跟一位1~9之間的任意一位數字,後面是8位隨機數字
for i in range(5):
print('13' +
str(random.randrange(1,10))+
''.join( str(random.choice(range(10))) for _ in range(8) )
)
2、生成隨機帶有小數為3位的數字
#!/usr/bin/env python
#-*- coding:utf-8 -*-
import random
#隨機產生3個數字:產生一個0~1之間的隨機小數(random.random()),乘1000,
#四捨五入到小數後3位,加上隨機產生的30~59之間的數字
for i in range(3):
print(round(random.random()* 1000,3 ) + random.sample(range(30,60,3),2)[0])
3、生成隨機名字
#!/usr/bin/env python
#-*- coding:utf-8 -*-
import random
#生成三位數的名字
first=['張','王','李','馮','楊','何','趙','閔']
middle=['三','盼','亮','樹','瓊','增','潤','維']
last=['豐','源','柳','亮','平','磊','迪','哲']
for i in range(5):
print(random.choice(first) + random.choice(middle) + random.choice(last))