python之pandas用法大全
一、生成数据表 1、首先导入pandas库,一般都会用到numpy库,所以我们先导入备用: import numpy as np import pandas as pd 2、导入CSV或者xlsx文件: df = pd.DataFrame(pd.read_csv('name.csv',header=1)) df = pd.DataFrame(pd.read_excel('name.xlsx')) 3、用pandas创建数据表: df = pd.DataFrame({"id":[1001,1002,1003,1004,1005,1006],"date":pd.date_range('20130102',periods=6),"city":['Beijing ','SH',' guangzhou ','Shenzhen','shanghai','BEIJING '],"age":[23,44,54,32,34,32],"category":['100-A','100-B','110-A','110-C','210-A','130-F'],"price":[1200,np.nan,2133,5433,4432]},columns =['id','date','city','category','age','price']) 二、数据表信息查看 1、维度查看: df.shape 2、数据表基本信息(维度、列名称、数据格式、所占空间等): df.info() 3、每一列数据的格式: df.dtypes 4、某一列格式: df['B'].dtype 5、空值: df.isnull() 6、查看某一列空值: df.isnull() 7、查看某一列的唯一值: df['B'].unique() 8、查看数据表的值: df.values 9、查看列名称: df.columns 10、查看前10行数据、后10行数据: df.head() #默认前10行数据 df.tail() #默认后10 行数据 三、数据表清洗 1、用数字0填充空值: df.fillna(value=0) 2、使用列prince的均值对NA进行填充: df['prince'].fillna(df['prince'].mean()) 3、清楚city字段的字符空格: df['city']=df['city'].map(str.strip) 4、大小写转换: df['city']=df['city'].str.lower() 5、更改数据格式: df['price'].astype('int') 6、更改列名称: df.rename(columns={'category': 'category-size'}) 7、删除后出现的重复值: df['city'].drop_duplicates() 8、删除先出现的重复值: df['city'].drop_duplicates(keep='last') 9、数据替换: df['city'].replace('sh','shanghai') 四、数据预处理 df1=pd.DataFrame({"id":[1001,1006,1007,1008],"gender":['male','female','male','female'],"pay":['Y','N','Y',],"m-point":[10,12,20,40,30,20]}) 1、数据表合并 df_inner=pd.merge(df,df1,how='inner') # 匹配合并,交集 df_left=pd.merge(df,how='left') # df_right=pd.merge(df,how='right') df_outer=pd.merge(df,how='outer') #并集 2、设置索引列 df_inner.set_index('id') 3、按照特定列的值排序: df_inner.sort_values(by=['age']) 4、按照索引列排序: df_inner.sort_index() 5、如果prince列的值>3000,group列显示high,否则显示low: df_inner['group'] = np.where(df_inner['price'] > 3000,'high','low') 6、对复合多个条件的数据进行分组标记 df_inner.loc[(df_inner['city'] == 'beijing') & (df_inner['price'] >= 4000),'sign']=1 7、对category字段的值依次进行分列,并创建数据表,索引值为df_inner的索引列,列名称为category和size pd.DataFrame((x.split('-') for x in df_inner['category']),index=df_inner.index,columns=['category','size'])) 8、将完成分裂后的数据表和原df_inner数据表进行匹配 df_inner=pd.merge(df_inner,split,right_index=True,left_index=True) 五、数据提取 df_inner.loc[3] 2、按索引提取区域行数值 df_inner.iloc[0:5] 3、重设索引 df_inner.reset_index() 4、设置日期为索引 df_inner=df_inner.set_index('date') 5、提取4日之前的所有数据 df_inner[:'2013-01-04'] 6、使用iloc按位置区域提取数据 df_inner.iloc[:3,:2] #冒号前后的数字不再是索引的标签名称,而是数据所在的位置,从0开始,前三行,前两列。 7、适应iloc按位置单独提起数据 df_inner.iloc[[0,2,5],[4,5]] #提取第0、2、5行,4、5列 8、使用ix按索引标签和位置混合提取数据 df_inner.ix[:'2013-01-03',:4] #2013-01-03号之前,前四列数据 9、判断city列的值是否为北京 df_inner['city'].isin(['beijing']) 10、判断city列里是否包含beijing和shanghai,然后将符合条件的数据提取出来 df_inner.loc[df_inner['city'].isin(['beijing','shanghai'])] 11、提取前三个字符,并生成数据表 pd.DataFrame(category.str[:3]) 六、数据筛选 df_inner.loc[(df_inner['age'] > 25) & (df_inner['city'] == 'beijing'),['id','gender']] 2、使用“或”进行筛选 df_inner.loc[(df_inner['age'] > 25) | (df_inner['city'] == 'beijing'),'gender']].sort(['age']) 3、使用“非”条件进行筛选 df_inner.loc[(df_inner['city'] != 'beijing'),'gender']].sort(['id']) 4、对筛选后的数据按city列进行计数 df_inner.loc[(df_inner['city'] != 'beijing'),'gender']].sort(['id']).city.count() 5、使用query函数进行筛选 df_inner.query('city == ["beijing","shanghai"]') 6、对筛选后的结果按prince进行求和 df_inner.query('city == ["beijing","shanghai"]').price.sum() 七、数据汇总 df_inner.groupby('city').count() 2、按城市对id字段进行计数 df_inner.groupby('city')['id'].count() 3、对两个字段进行汇总计数 df_inner.groupby(['city','size'])['id'].count() 4、对city字段进行汇总,并分别计算prince的合计和均值 df_inner.groupby('city')['price'].agg([len,np.sum,np.mean]) 八、数据统计 df_inner.sample(n=3) 2、手动设置采样权重 weights = [0,0.5,0.5] df_inner.sample(n=2,weights=weights) 3、采样后不放回 df_inner.sample(n=6,replace=False) 4、采样后放回 df_inner.sample(n=6,replace=True) 5、 数据表描述性统计 df_inner.describe().round(2).T #round函数设置显示小数位,T表示转置 6、计算列的标准差 df_inner['price'].std() 7、计算两个字段间的协方差 df_inner['price'].cov(df_inner['m-point']) 8、数据表中所有字段间的协方差 df_inner.cov() 9、两个字段的相关性分析 df_inner['price'].corr(df_inner['m-point']) #相关系数在-1到1之间,接近1为正相关,接近-1为负相关,0为不相关 10、数据表的相关性分析 df_inner.corr() 九、数据输出 df_inner.to_excel('excel_to_python.xlsx',sheet_name='bluewhale_cc') 2、写入到CSV df_inner.to_csv('excel_to_python.csv') 以上就是关于pandas的基本用法,大家可以参考下 您可能感兴趣的文章:
(编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |