pandas使用技巧总结
原创
pandas使用技巧总结
总结自己经常使用的pandas操作技巧：
- 创建DataFrame数据
- 查看数据相关信息
- 查看头尾文件
- 花样取数
- 切片取数
<!--MORE-->
导入包
import pandas as pd
import numpy as np创建DataFrame数据
方式1：自己直接创建
df1 = pd.DataFrame({
"name":["小明","小红","小孙","王小","关宇","刘蓓","张菲"],
"age":[20,18,27,20,28,18,25],
"sex":["男","女","男","男","男","女","女"],
"score":[669,570,642,590,601,619,701],
"address":["北京","深圳","广州","武汉","深圳","广州","长沙"]
})
df1数据如下图：
方式2：从本地文件中读取进来。现在本地有一个文件：学生信息.xlsx直接通过pd.read_excel()读进来：
df2 = pd.read_excel("学生信息.xlsx")
df2
可以看到效果和上面是一样的
使用技巧1-查看数据相关信息
查看数据shape
shape表示数据是由多少行和列组成：
df1.shape # (7,5)查看字段属性名称
df1.columns
查看属性的数据类型
df1.dtypes
可以看到只有两种数据类型：int64和object
查看数据是否缺失
df1.isnull() # 如果缺失显示为True，否则显示False
df1.isnull().sum() # 统计缺失值的个数。一个True计数一次
结果显示：本次数据是没有缺失值的
查看数据行索引
df1.index
查看数据描述信息
df1.describe
查看数据统计值
统计值信息只会显示类型为数值型的数据统计值信息：
df1.describe()
统计值的结果包含：个数count、均值mean、方差std、最值min\max、四分位数25%、中位数50%、四分之三分位数75%。
使用技巧2-查看头尾文件
通过head和tail方法能够快速查看数据的头尾文件。
head
df1.head() # 默认是查看前5行数据
df1.head(3) # 指定显示的行数tail
df1.tail() # 默认尾部5行
df1.tail(3) # 指定尾部3行数据使用技巧3-花样取数
从pandas的DataFrame数据框中取出我们想要的数据，然后进行处理
取出某个字段的数据
我们取出name这列的数据：
name = df1["name"]
name
# 结果
0 小明
1 小红
2 小孙
3 王小
4 关宇
5 刘蓓
6 张菲
Name: name, dtype: object取出多个字段的数据
比如我们取出name和age列的数据：
name_age = df1[["name","age"]]
name_age
# 结果
name age
0 小明 20
1 小红 18
2 小孙 27
3 王小 20
4 关宇 28
5 刘蓓 18
6 张菲 25根据字段类型选择数据
比如，我们想选择字段类型为int64的数据，通过查看的字段数据类型显示：age和score都是int64类型
1、选择单个数据类型
# 1、选择单个数据类型
df1.select_dtypes(include='int64')
# 结果
age score
0 20 669
1 18 570
2 27 642
3 20 590
4 28 601
5 18 619
6 25 7012、同时选择多个类型
df1.select_dtypes(include=['int64','object'])
# 结果
name age sex score address
0 小明 20 男 669 北京
1 小红 18 女 570 深圳
2 小孙 27 男 642 广州
3 王小 20 男 590 武汉
4 关宇 28 男 601 深圳
5 刘蓓 18 女 619 广州
6 张菲 25 女 701 长沙因为数据中只有int64,object，所以我们全部选出来了。
3、选择排除某些数据类型之外的数据：
# 选择除了int64类型之外的数据
# 排除name和score字段之外的数据
df1.select_dtypes(exclude='int64')
# 结果
name sex address
0 小明 男 北京
1 小红 女 深圳
2 小孙 男 广州
3 王小 男 武汉
4 关宇 男 深圳
5 刘蓓 女 广州
6 张菲 女 长沙根据数值大小取数
1、直接通过判断大小来取数：
df1[df1["age"] == 20] # 年龄等于20
df1[df1["age"] != 20] # 年龄不等于20
df1[df1["age"] >= 20] # 年龄大于等于202、多个判断条件连用
第一次使用上面的方法报错：关键词是ambiguous。判断条件很让pandas混淆，改成下面的写法成功解决：
df1[(df1["age"] >= 20) & (df1["age"] < 27)]
根据字符串取数
1、通过单个条件取数
# 1、单条数据
df1[df1["name"] == "小明"]
# 结果
name age sex score address
0 小明 20 男 669 北京2、通过多个条件取数
选择姓名是小明，或者年龄大于25的数据
df1[(df1["name"] == "小明") | (df1["age"] > 25)]
# 结果
name age sex score address
0 小明 20 男 669 北京
2 小孙 27 男 642 广州
4 关宇 28 男 601 深圳3、字符串的开始、结尾、包含函数
- str.startswith(string)
- str.endswith(string)
- str.contains(string)
# 1、取出以“小”开头的姓名
df1[df1["name"].str.startswith("小")] # name以"小"开头
# 结果
name age sex score address
0 小明 20 男 669 北京
1 小红 18 女 570 深圳
2 小孙 27 男 642 广州# 以“关”开始
df1[df1["name"].str.startswith("关")]
# 结果
name age sex score address
4 关宇 28 男 601 深圳# 3、以“菲”结尾
df1[df1["name"].str.endswith("菲")]
# 结果
name age sex score address
6 张菲 25 女 701 长沙# 取出包含“小”的数据：不管小是在开头，还是结尾都会被选出来
df1[df1["name"].str.contains("小")]
# 结果
name age sex score address
0 小明 20 男 669 北京
1 小红 18 女 570 深圳
2 小孙 27 男 642 广州
3 王小 20 男 590 武汉上面的王小不是小开头，但是包含小，所以也被选出来。
4、字符串取反操作
取反符号是波浪线：~
下面的例子是：取出名字name中不包含小的数据，只有3个人名字中没有小字。
# 取出不包含小的数据
df1[~df1["name"].str.contains("小")]
# 结果
name age sex score address
4 关宇 28 男 601 深圳
5 刘蓓 18 女 619 广州
6 张菲 25 女 701 长沙使用技巧4-切片取数
切片是Python中存在的概念，在pandas中同样可以使用。切片中存在3个概念：start、stop、step
- start：起始索引，包含
- stop：结束索引，不包含
- step：步长，可正可负；
写法为：start:stop:step
步长为正数
1、通过下面的3个案例说明：起始索引默认从0开始，步长默认是1
2、指定起始索引，不指定结束索引，表示一直取到数据末尾
df1[4:] # 从索引4开始取到末尾
# 结果
name age sex score address
4 关宇 28 男 601 深圳
5 刘蓓 18 女 619 广州
6 张菲 25 女 701 长沙3、改变步长的值
df1[0:4:2] # 改变步长：每隔2个值取一行数据
# 结果
name age sex score address
0 小明 20 男 669 北京
2 小孙 27 男 642 广州上面的例子不指定起始索引：
df1[:4:2] # 默认从0开始4、只指定步长
df1[::2] # 从头到尾，步长为2
# 结果
name age sex score address
0 小明 20 男 669 北京
2 小孙 27 男 642 广州
4 关宇 28 男 601 深圳
6 张菲 25 女 701 长沙步长为负数
1、步长为-1，默认是倒序输出结果
df1[::-1] # 倒序输出
# 结果
name age sex score address
6 张菲 25 女 701 长沙
5 刘蓓 18 女 619 广州
4 关宇 28 男 601 深圳
3 王小 20 男 590 武汉
2 小孙 27 男 642 广州
1 小红 18 女 570 深圳
0 小明 20 男 669 北京2、步长为负，指定起始和终止索引，起始索引大于终止索引
df1[4:0:-1]
name age sex score address
4 关宇 28 男 601 深圳
3 王小 20 男 590 武汉
2 小孙 27 男 642 广州
1 小红 18 女 570 深圳3、起始和终止索引为负数
df1[-1:-5:-1] # 最后一行记录索引为-1，不包含索引为-5的数据
name age sex score address
6 张菲 25 女 701 长沙
5 刘蓓 18 女 619 广州
4 关宇 28 男 601 深圳
3 王小 20 男 590 武汉原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。