python中的pandas的两种基本使用,python中pandas函数

　　一、生成数据表

　　1、首先导入熊猫库，一般都会用到数组库，所以我们先导入备用：

　　将数组作为铭牌导入

　　进口熊猫作为pd2，导入战斗支援车或者文件格式文件：

　　df=pd .数据帧(PD。read _ CSV( name。CSV ，header=1))

　　df=pd .数据帧(PD。read _ excel( name。xlsx ))3、用熊猫创建数据表：

　　df=pd .DataFrame({id:[1001，1002，1003，1004，1005，1006]，

　　日期是：年。date _ range( 2013 01 02 ，periods=6)，

　　城市 :[北京,上海,广州,深圳,上海,北京],

　　年龄 :[23,44,54,32,34,32],

　　类别：[100-A ， 100-B ， 110-A ， 110-C ， 210-A ， 130-F]，

　　价格：[1200，np.nan，2133，5433，np.nan，4432]}，

　　columns=[id ， date ， city ， category ， age ， price ])二、数据表信息查看

　　1、维度查看：

　　df.shape2、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.dtypes4、某一列格式：

　　df[B]。数据类型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 ].唯一()8、查看数据表的值：

　　df.values9、查看列名称：

　　df.columns10、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 行数据相关推荐：《Python视频教程》

　　三、数据表清洗

　　1、用数字0填充空值：

　　df.fillna(值=0)2,使用列王子的均值对钠进行填充：

　　df[王子]。菲尔娜(df[王子]。均值())3、清楚城市字段的字符空格：

　　df[城市]=df[城市]。地图（长条)4、大小写转换：

　　df[城市]=df[城市]。海峡。较低(

　　)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":[1001,1002,1003,1004,1005,1006,1007,1008], 
　　"gender":['male','female','male','female','male','female','male','female'],
　　"pay":['Y','N','Y','Y','N','Y','N','Y',],
　　"m-point":[10,12,20,40,40,40,30,20]})

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,df1,how='left') #
　　df_right=pd.merge(df,df1,how='right')
　　df_outer=pd.merge(df,df1,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

　　主要用到的三个函数：loc,iloc和ix，loc函数按标签值进行提取，iloc按位置进行提取，ix可以同时按标签和位置进行提取。

　　1、按索引提取单行的数值

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

　　使用与、或、非三个条件配合大于、小于、等于对数据进行筛选，并进行计数和求和。

　　1、使用“与”进行筛选

df_inner.loc[(df_inner['age'] > 25) & (df_inner['city'] == 'beijing'), ['id','city','age','category','gender']]

2、使用“或”进行筛选

df_inner.loc[(df_inner['age'] > 25) (df_inner['city'] == 'beijing'), ['id','city','age','category','gender']]
　　.sort(['age'])

3、使用“非”条件进行筛选

df_inner.loc[(df_inner['city'] != 'beijing'), ['id','city','age','category','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'), ['id','city','age','category','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

　　主要函数是groupby和pivote_table

　　1、对所有的列进行计数汇总

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

　　数据采样，计算标准差，协方差和相关系数

　　1、简单的数据采样

df_inner.sample(n=3)

2、手动设置采样权重

weights = [0, 0, 0, 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

　　分析后的数据可以输出为xlsx格式和csv格式

　　1、写入Excel

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')

以上就是最全的Python pandas用法总结的详细内容，更多请关注盛行IT软件开发工作室其它相关文章！

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。

相关文章阅读