专栏首页Python数据科学妈妈再也不用担心我忘记pandas操作了

妈妈再也不用担心我忘记pandas操作了

来源:http://www.cnblogs.com/xiaoxuebiye/p/7223774.html

初阶

导入数据:

pd.read_csv(filename) # 从CSV文件导入数据
pd.read_table(filename) # 从限定分隔符的文本文件导入数据
pd.read_excel(filename) # 从Excel文件导入数据
pd.read_sql(query, connection_object) # 从SQL表/库导入数据
pd.read_json(json_string) # 从JSON格式的字符串导入数据
pd.read_html(url) # 解析URL、字符串或者HTML文件,抽取其中的tables表格
pd.read_clipboard() # 从你的粘贴板获取内容,并传给read_table()
pd.DataFrame(dict) # 从字典对象导入数据,Key是列名,Value是数据

导出数据:

df.to_csv(filename) # 导出数据到CSV文件
df.to_excel(filename) # 导出数据到Excel文件
df.to_sql(table_name, connection_object) # 导出数据到SQL表
df.to_json(filename) # 以Json格式导出数据到文本文件

创建测试对象:

pd.DataFrame(np.random.rand(20,5)) # 创建20行5列的随机数组成的DataFrame对象
pd.Series(my_list) # 从可迭代对象my_list创建一个Series对象
df.index = pd.date_range('1900/1/30', periods=df.shape[0]) # 增加一个日期索引

查看、检查数据:

df.head(n) # 查看DataFrame对象的前n行
df.tail(n) # 查看DataFrame对象的最后n行
df.shape() # 查看行数和列数
df.info() # 查看索引、数据类型和内存信息
df.describe()# 查看数值型列的汇总统计
s.value_counts(dropna=False) # 查看Series对象的唯一值和计数
df.apply(pd.Series.value_counts) # 查看DataFrame对象中每一列的唯一值和计数

数据选取:

df[col] # 根据列名,并以Series的形式返回列
df[[col1, col2]] # 以DataFrame形式返回多列
df.iloc[0] # 按位置选取数据
df.loc['index_one'] # 按索引选取数据
df.iloc[0,:] # 返回第一行
df.iloc[0,0] # 返回第一列的第一个元素

数据统计:

df.describe() # 查看数据值列的汇总统计
df.mean() # 返回所有列的均值
df.corr() # 返回列与列之间的相关系数
df.count() # 返回每一列中的非空值的个数
df.max() # 返回每一列的最大值
df.min() # 返回每一列的最小值
df.median() # 返回每一列的中位数
df.std() # 返回每一列的标准差

数据合并:

df1.append(df2) # 将df2中的行添加到df1的尾部
df.concat([df1, df2],axis=1) # 将df2中的列添加到df1的尾部
df1.join(df2,on=col1,how='inner') # 对df1的列和df2的列执行SQL形式的join

数据清理:

df[df[col] > 0.5] # 选择col列的值大于0.5的行
df.sort_values(col1) # 按照列col1排序数据,默认升序排列
df.sort_values(col2, ascending=False) # 按照列col1降序排列数据
df.sort_values([col1,col2], ascending=[True,False]) # 先按列col1升序排列,后按col2降序排列数据
df.groupby(col) # 返回一个按列col进行分组的Groupby对象
df.groupby([col1,col2]) # 返回一个按多列进行分组的Groupby对象
df.groupby(col1)[col2] # 返回按列col1进行分组后,列col2的均值
df.pivot_table(index=col1, values=[col2,col3], aggfunc=max) # 创建一个按列col1进行分组,并计算col2和col3的最大值的数据透视表
df.groupby(col1).agg(np.mean) # 返回按列col1分组的所有列的均值
data.apply(np.mean) # 对DataFrame中的每一列应用函数np.mean
data.apply(np.max,axis=1) # 对DataFrame中的每一行应用函数np.max

其它操作:

改列名:

  • 方法1
a.columns = ['a','b','c']
  • 方法2
a.rename(columns={'A':'a', 'B':'b', 'C':'c'}, inplace = True)

进阶

取数(元素):

取df中某一个具体的数据
iloc     index locate 
举例 :
    print df.iloc[0,0]
    print df.iloc[1, 1]
    print df.iloc[19, 7]
如果 df 是日期索引 +  a,b,c 列名
loc      locate
df.loc[ '2017-01-01', 'A'  ]

取数(行):

one_row = df.iloc[4]
one_row2 = df.loc['2013-01-02']
print type(one_row)
# 取某一行, 取出来后之后的数据类型是   Series
# 可以  one_row.iloc[1], 再访问 Series 里的数据
print one_row.iloc[1]
print one_row.loc['A']

取数(列):

column2 = df['A']
column2 是一个 Series 类型
print type( column2 )
可访问 列里面的数据
    print column2[0]
    print column2['2013-01-03']

取数(切片):

行模式切片
    dfsub1 = df.iloc[4:5]
    print type( dfsub1 )
    print  dfsub1
    dfsub2 = df.loc['2013-01-03':'2013-01-05']
    print  dfsub2
切片的结果 还是df,  而且改变 dfsub, 会同时改变
df
-------------------------------------------------
列模式 
    print ' get sub by  column mode '
    dfsub = df[['A','B']]
    print type( dfsub )
    print  dfsub
-------------------------------------------------
子集 
row  x  column
方式一:
    print ' get sub by  row  X column  mode '
    dfsub = df.loc['20130102':'20130104', ['A', 'B']]
    print type( dfsub )
    print  dfsub
方式二
dfsub = df.iloc[ 1:3, 1:3 ]
-------------------------------------------------

取数(条件切片):

dfsub =  df[  (df.A > 0) and  (df.B > 0)  ]
结果类型是 df
这个玩意很想数据库里的    select where 
送一个特殊条件
print df[ df > 0 ]

行遍历 :

def testForeach():
        df = pd.read_table('D:/run/data/sz002626_2017-01-04.cvs', encoding='gbk')  # ,header=0
        df = df.sort_index(axis=0, ascending=False)
        df.columns = [1, 2, 3, 4, 5, 6]
        df[7] = 'kong'
        print  df
        # 清洗
        df[3] = df[3].replace('--', '0.00')
        df[3] = df[3].astype(float)
        #遍历
        df[7] = df.apply(lambda r: dorec(r), axis=1)
        print df
        pass
def dorec(rec):
        if (rec[3] > 0):
            return '涨'
        if (rec[3] < 0):
            return '跌'
        else:
            return '平'

总结

pandas的操作上千种,但对于数据分析的使用掌握常用的操作就可以应付了,更多的操作可以参考pandas官网。

参考 http://www.qingpingshan.com/rjbc/dashuju/228593.html http://python.jobbole.com/84416/官方文档 http://pandas.pydata.org/pandas-docs/stable/index.html https://www.dataquest.io/blog/images/cheat-sheets/pandas-cheat-sheet.pdf

欢迎大家转发分享,觉得好就给个赞吧!

本文分享自微信公众号 - Python数据科学(Python_Spiderman)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2018-04-28

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 13个Pandas实用技巧,有点香 !

    归纳整理了一些工作中常用到的pandas使用技巧,方便更高效地实现数据分析。文章很短,不用收藏就能Get~

    用户2769421
  • 8个数据清洗Python代码,复制可用,最长11行

    原作 Kin Lim Lee 乾明 编译整理 量子位 出品 | 公众号 QbitAI

    用户2769421
  • 从小白到大师,这里有一份Pandas入门指南

    在阅读本文时,我建议你阅读每个你不了解的函数的文档字符串(docstrings)。简单的 Google 搜索和几秒钟 Pandas 文档的阅读,都会使你的阅读体...

    用户2769421
  • Python-科学计算-pandas-07-Df多条件筛选

    系统:Windows 7 语言版本:Anaconda3-4.3.0.1-Windows-x86_64 编辑器:pycharm-community-2016.3....

    zishendianxia
  • Pandas 常见用法总结

    TalkPython
  • Python中字段抽取、字段拆分、记录抽取

    1、字段抽取 字段抽取是根据已知列数据的开始和结束位置,抽取出新的列 字段截取函数:slice(start,stop) 注意:和数据结构的访问方式一样,开始位置...

    Erin
  • python实现最速下降法

    本文实例为大家分享了python实现最速下降法的具体代码,供大家参考,具体内容如下

    砸漏
  • Python数据科学(六)- 资料清理(Ⅰ)1.Pandas1.资料筛选2.侦测遗失值3.补齐遗失值

    成功爬取到我们所需要的数据以后,接下来应该做的是对资料进行清理和转换, 很多人遇到这种情况最自然地反应就是“写个脚本”,当然这也算是一个很好的解决方法,但是,p...

    意气相许的许
  • 基于机器学习算法的时间序列价格异常检测(附代码)

    异常检测也称为异常值检测,是一种数据挖掘过程,用于确定数据集中发现的异常类型并确定其出现的详细信息。 在当今世界,由于大量数据无法手动标记异常值,自动异常检测显...

    量化投资与机器学习微信公众号
  • 快速介绍Python数据分析库pandas的基础知识和代码示例

    “软件工程师阅读教科书作为参考时不会记住所有的东西,但是要知道如何快速查找重·要的知识点。”

    deephub

扫码关注云+社区

领取腾讯云代金券