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!

原文发布于微信公众号 - Python数据科学(Python_Spiderman)

原文发表时间: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。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏SeanCheney的专栏

《利用Python进行数据分析·第2版》第6章 数据加载、存储与文件格式6.1 读写文本格式的数据6.2 二进制数据格式6.3 Web APIs交互6.4 数据库交互6.5 总结

访问数据是使用本书所介绍的这些工具的第一步。我会着重介绍pandas的数据输入与输出,虽然别的库中也有不少以此为目的的工具。 输入输出通常可以划分为几个大类:读...

5686
来自专栏农夫安全

注入学习之sqli-labs-5(第四次)

前言 第七关先跳过,先把get注入系列讲完再来讲 不知道大家有没有玩过一个猜数字的游戏 我给出一个数的范围,比如1-100,然后你去猜,我只会回答你对或者错。 ...

38810
来自专栏阿尔法go

Pandas速查手册中文版

本文翻译自文章: Pandas Cheat Sheet - Python for Data Science,同时添加了部分注解。 对于数据科学家,无论是数据分析...

7997
来自专栏DOTNET

.Net多线程编程—Parallel LINQ、线程池

Parallel LINQ 1 System.Linq.ParallelEnumerable 重要方法概览: 1)public static ParallelQ...

2997
来自专栏iOSer成长记录

OpenGL ES(二) 三角形

1453
来自专栏云计算教程系列

如何在Python 3中安装pandas包和使用数据结构

Python pandas包用于数据操作和分析,旨在让您以更直观的方式处理标记或关系数据。

2.4K0
来自专栏wannshan(javaer,RPC)

dubbo负载均衡代码分析2(一致性hash策略)

接上篇 https://cloud.tencent.com/developer/article/1109586 说 这篇说dubbo一致性hash负载均衡策略。...

4746
来自专栏文武兼修ing——机器学习与IC设计

Python解决大规模二进制数据错位问题描述解决方法实验代码最终代码

问题描述 有一些二进制数据,每八位按顺序存为一个十进制数保存成CSV文件,每行为一个二进数数据,每个单元格均为一个十进制数。若数据为0000 0001 1000...

34910
来自专栏三流程序员的挣扎

Flutter 学习记3 - Widget 框架

通过 widgets 构建 UI,描述当前的配置和状态,当状态改变时,框架找出前后的变化,以确定底层 Render Tree 要做的最小更改,在内部变成另一个状...

1311
来自专栏数据结构与算法

HDU6315 Naive Operations(线段树 复杂度分析)

设\(d_i\)表示\(i\)号节点还需要加\(d_i\)次才能产生\(1\)的贡献

1044

扫码关注云+社区

领取腾讯云代金券