python日記——Pandas中文備查手冊
本文大部分內容轉載自文章Pandas速查手冊中文版，同時對部分內容進行了添加和修改。
導入數據
- pd.read_csv(filename)：從CSV、TSV、TXT文件導入數據
- pd.read_table(filename)：從限定分隔符的文本文件導入數據
- pd.read_excel(filename)：從Excel文件導入數據
- pd.read_sql(query, connection_object)：從SQL表/庫導入數據
- pd.read_json(json_string)：從JSON格式的字符串導入數據
- 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()：從你的粘貼板獲取內容，並傳給read_table()
- pd.DataFrame(dict)：從字典對象導入數據，Key是列名，Value是數據
導出數據
- df.to_csv(filename)：導出數據到CSV文件
- df.to_excel(filename)：導出數據到Excel文件
- df.to_sql(table_name, connection_object)：導出數據到SQL表
- df.to_json(filename)：以Json格式導出數據到文本文件
創建測試對象
- pd.DataFrame(np.random.rand(20,5))：創建20行5列的隨機數組成的DataFrame對象
- pd.Series(my_list)：從可迭代對象my_list創建一個Series對象
- df.index = pd.date_range(‘1900/1/30’, periods=df.shape[0])：增加一個日期索引
查看、檢查數據
- df.head(n)：查看DataFrame對象的前n行，默認爲前5行
- df.tail(n)：查看DataFrame對象的最後n行，默認爲後5行
- df.shape()：查看行數和列數
- df.info()：查看索引、數據類型和內存信息
- df.describe()：查看數值型列的彙總統計
- s.value_counts(dropna=False)：查看Series對象的唯一值和計數d
- f.apply(pd.Series.value_counts)：查看DataFrame對象中每一列的唯一值和計數
數據選取
- df[col]：根據列名，並以Series的形式返回列
- df[[col1, col2]]：以DataFrame形式返回多列s.iloc[0]：按位置選取數據s
- df.loc[‘index_one’]：定位，按索引選取數據
- df.iloc[0,:]：返回第一行df.iloc[0,0]：返回第一列的第一個元素
數據清理
- df.columns = [‘a’,‘b’,‘c’]：重命名列名
- pd.isnull()：檢查DataFrame對象中的空值，並返回一個Boolean數組
- pd.notnull()：檢查DataFrame對象中的非空值，並返回一個Boolean數組
- df.drop(index,columns=):刪除行或列
- df.dropna()：刪除所有包含空值的行
- df.dropna(axis=1)：刪除所有包含空值的列
- df.dropna(axis=1,thresh=n)：刪除所有小於n個非空值的行
- df.fillna(x)：用x替換DataFrame對象中所有的空值
- s.astype(float)：將Series中的數據類型更改爲float類
- s.replace(1,‘one’)：用‘one’代替所有等於1的值
- s.replace([1,3],[‘one’,‘three’])：用’one’代替1，用’three’代替3
- df.rename(columns=lambda x: x + 1)：批量更改列名
- df.rename(columns={‘old_name’: ‘new_ name’})：選擇性更改列名
- df.set_index(‘column_one’)：更改索引列
- df.rename(index=lambda x: x + 1)：批量重命名索引
數據處理：Filter、Sort和GroupBy
- df[df[col] > 0.5]：選擇col列的值大於0.5的行
- df.sort_values(col1)：按照列col1排序數據，默認升序排列
- df.sort_values(col2, ascending=False)：按照列col1降序排列數據
- df.sort_values([col1,col2],
ascending=[True,False])：先按列col1升序排列，後按col2降序排列數據 - df.groupby(col)：返回一個按列col進行分組的Groupby對象
- df.groupby([col1,col2])：返回一個按多列進行分組的Groupby對象
- df.groupby(col1)[col2]：返回按列col1進行分組後，列col2的均值
- df.pivot_table(index=col1, values=[col2,col3],
aggfunc=max)：創建一個按列col1進行分組，並計算col2和col3的最大值的數據透視表 - df.groupby(col1).agg(np.mean)：返回按列col1分組的所有列的均值
- data.apply(np.mean)：對DataFrame中的每一列應用函數
- np.meandata.apply(np.max,axis=1)：對DataFrame中的每一行應用函數np.max
數據合併
- df1.append(df2)：將df2中的行添加到df1的尾部
- df.insert(columns_num,columns,value)：在columns_num列之前插入一列
- df.concat([df1, df2],axis=1)：將df2中的列添加到df1的尾部
- df1.join(df2,on=col1,how=‘inner’)：對df1的列和df2的列執行SQL形式的join
數據統計
- df.describe()：查看數據值列的彙總統計
- df.mean()：返回所有列的均值
- df.corr()：返回列與列之間的相關係數
- df.count()：返回每一列中的非空值的個數
- df.max()：返回每一列的最大值
- df.min()：返回每一列的最小值
- df.median()：返回每一列的中位數
- df.std()：返回每一列的標準差