Pandas 是一個 Python 軟體庫，它提供了大量能使我們快速便捷地處理資料的函式和方法。一般而言，Pandas 是使 Python 成為強大而高效的 資料分析 環境的重要因素之一。在本文中，作者從基本資料集讀寫、 資料處理 和 DataFrame 操作三個角度展示了 23 個 Pandas 核心方法。

Pandas 是基於 NumPy 構建的庫，在資料處理方面可以把它理解為 NumPy 加強版，同時 Pandas 也是一項開源專案。它基於 Cython，因此讀取與處理資料非常快，並且還能輕鬆處理浮點資料中的缺失資料（表示為 NaN）以及非浮點資料。在本文中，基本資料集操作主要介紹了 CSV 與 Excel 的讀寫方法，基本資料處理主要介紹了缺失值及特徵抽取，最後的 DataFrame 操作則主要介紹了函式和排序等方法。

基本資料集操作

（1）讀取 CSV 格式的資料集

pd.DataFrame.from_csv(“csv_file”)

或者：

pd.read_csv(“csv_file”)

（2）讀取 Excel 資料集

pd.read_excel("excel_file")

（3）將 DataFrame 直接寫入 CSV 檔案

如下采用逗號作為分隔符，且不帶索引：

df.to_csv("data.csv", sep=",", index=False)

（4）基本的資料集特徵資訊

df.info()

（5）基本的資料集統計資訊

print(df.describe())

(6) Print data frame in a table

將 DataFrame 輸出到一張表：

print(tabulate(print_table, headers=headers))

當「print_table」是一個列表，其中列表元素還是新的列表，「headers」為表頭字串組成的列表。

（7）列出所有列的名字

df.columns

基本資料處理

（8）刪除缺失資料

df.dropna(axis=0, how='any')

返回一個 DataFrame，其中刪除了包含任何 NaN 值的給定軸，選擇 how=「all」會刪除所有元素都是 NaN 的給定軸。

（9）替換缺失資料

df.replace(to_replace=None, value=None)

使用 value 值代替 DataFrame 中的 to_replace 值，其中 value 和 to_replace 都需要我們賦予不同的值。

（10）檢查空值 NaN

pd.isnull(object)

檢查缺失值，即數值陣列中的 NaN 和目標陣列中的 None/NaN。

（11）刪除特徵

df.drop('feature_variable_name', axis=1)

axis 選擇 0 表示行，選擇表示列。

（12）將目標型別轉換為浮點型

pd.to_numeric(df["feature_name"], errors='coerce')

將目標型別轉化為數值從而進一步執行計算，在這個案例中為字串。

（13）將 DataFrame 轉換為 NumPy 陣列

df.as_matrix()

（14）取 DataFrame 的前面「n」行

df.head(n)

（15）通過特徵名取資料

df.loc[feature_name]

DataFrame 操作

（16）對 DataFrame 使用函式

該函式將令 DataFrame 中「height」行的所有值乘上 2：

df["height"].apply(*lambda* height: 2 * height)

或：

def multiply(x):
 return x * 2
df["height"].apply(multiply)

（17）重新命名行

下面程式碼會重新命名 DataFrame 的第三行為「size」：

df.rename(columns = {df.columns[2]:'size'}, inplace=True)

（18）取某一行的唯一實體

下面程式碼將取「name」行的唯一實體：

df["name"].unique()

（19）訪問子 DataFrame

以下程式碼將從 DataFrame 中抽取選定了的行「name」和「size」：

new_df = df[["name", "size"]]

（20）總結資料資訊

# Sum of values in a data frame
df.sum()
# Lowest value of a data frame
df.min()
# Highest value
df.max()
# Index of the lowest value
df.idxmin()
# Index of the highest value
df.idxmax()
# Statistical summary of the data frame, with quartiles, median, etc.
df.describe()
# Average values
df.mean()
# Median values
df.median()
# Correlation between columns
df.corr()
# To get these values for only one column, just select it like this#
df["size"].median()

（21）給資料排序

df.sort_values(ascending = False)

（22）布林型索引

以下程式碼將過濾名為「size」的行，並僅顯示值等於 5 的行：

df[df["size"] == 5]

（23）選定特定的值

以下程式碼將選定「size」列、第一行的值：

df.loc([0], ['size'])