目录
- 一、Pandas两大数据结构的创建
- 二、DataFrame常见方法
- 三、数据索引
- 四、DataFrame选取和重新组合数据的方法
- 五、排序
- 六、相关分析和统计分析
- 七、分组的方法
- 八、读写文本格式数据的方法
- 九、处理缺失数据
- 十、数据转换
一、Pandas两大数据结构的创建
| 序号 |
方法 |
说明 |
| 1 |
pd.Series(对象,index=[ ]) |
创建Series。对象可以是列表\ndarray、字典以及DataFrame中的某一行或某一列 |
| 2 |
pd.DataFrame(data,columns = [ ],index = [ ]) |
创建DataFrame。columns和index为指定的列、行索引，并按照顺序排列 |
举例：用pandas创建数据表：
df = pd.DataFrame({"id":[1001,1002,1003,1004,1005,1006],
"date":pd.date_range('20130102', periods=6),
"city":['Beijing ', 'SH', ' guangzhou ', 'Shenzhen', 'shanghai', 'BEIJING '],
"age":[23,44,54,32,34,32],
"category":['100-A','100-B','110-A','110-C','210-A','130-F'],
"price":[1200,np.nan,2133,5433,np.nan,4432]},
columns =['id','date','city','category','age','price'])
二、DataFrame常见方法
| 序号 |
方法 |
说明 |
| 1 |
df.head() |
查询数据的前五行 |
| 2 |
df.tail() |
查询数据的末尾5行 |
| 3 |
pandas.qcut() |
基于秩或基于样本分位数将变量离散化为等大小桶 |
| 4 |
pandas.cut() |
基于分位数的离散化函数 |
| 5 |
pandas.date_range() |
返回一个时间索引 |
| 6 |
df.apply() |
沿相应轴应用函数 |
| 7 |
Series.value_counts() |
返回不同数据的计数值 |
| 8 |
df.reset_index() |
重新设置index，参数drop = True时会丢弃原来的索引，设置新的从0开始的索引，常与groupby()一起用 |
举例：重新索引
df_inner.reset_index()
三、数据索引
| 序号 |
方法 |
说明 |
| 1 |
.values |
将DataFrame转换为ndarray二维数组 |
| 2 |
.append(idx) |
连接另一个Index对象，产生新的Index对象 |
| 3 |
.insert(loc,e) |
在loc位置增加一个元素 |
| 4 |
.delete(loc) |
删除loc位置处的元素 |
| 5 |
.union(idx) |
计算并集 |
| 6 |
.intersection(idx) |
计算交集 |
| 7 |
.diff(idx) |
计算差集，产生新的Index对象 |
| 8 |
.reindex(index, columns ,fill_value, method, limit, copy ) |
改变、重排Series和DataFrame索引，会创建一个新对象，如果某个索引值当前不存在，就引入缺失值。 |
| 9 |
.drop() |
删除Series和DataFrame指定行或列索引。 |
| 10 |
.loc[行标签，列标签] |
通过标签查询指定的数据，第一个值为行标签，第二值为列标签。 |
| 11 |
df.iloc[行位置，列位置] |
通过默认生成的数字索引查询指定的数据。 |
举例：按索引提取单行的数值
df_inner.loc[3]
四、DataFrame选取和重新组合数据的方法
| 序号 |
方法 |
说明 |
| 1 |
df[val] |
从DataFrame选取单列或一组列；在特殊情况下比较便利：布尔型数组（过滤行）、切片（行切片）、或布尔型DataFrame（根据条件设置值） |
| 2 |
df.loc[val] |
通过标签，选取DataFrame的单个行或一组行 |
| 3 |
df.loc[：,val] |
通过标签，选取单列或列子集 |
| 4 |
df.1oc[val1,val2] |
通过标签，同时选取行和列 |
| 5 |
df.iloc[where] |
通过整数位置，从DataFrame选取单个行或行子集 |
| 6 |
df.iloc[:,where] |
通过整数位置，从DataFrame选取单个列或列子集 |
| 7 |
df.iloc[where_i,where_j] |
通过整数位置，同时选取行和列 |
| 8 |
df.at[1abel_i,1abel_j] |
通过行和列标签，选取单一的标量 |
| 9 |
df.iat[i,j] |
通过行和列的位置（整数），选取单一的标量 |
| 10 |
reindex |
通过标签选取行或列 |
| 11 |
get_value |
通过行和列标签选取单一值 |
| 12 |
set_value |
通过行和列标签选取单一值 |
举例：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。
五、排序
| 序号 |
函数 |
说明 |
| 1 |
.sort_index(axis=0, ascending=True) |
根据指定轴索引的值进行排序 |
| 2 |
Series.sort_values(axis=0, ascending=True) |
只能根据0轴的值排序。 |
| 3 |
DataFrame.sort_values(by, axis=0, ascending=True) |
参数by为axis轴上的某个索引或索引列表。 |
举例：按照索引列排序
df_inner.sort_index()
六、相关分析和统计分析
| 序号 |
方法 |
说明 |
| 1 |
.idxmin() |
计算数据最小值所在位置的索引（自定义索引） |
| 2 |
.idxmax() |
计算数据最大值所在位置的索引（自定义索引） |
| 3 |
.argmin() |
计算数据最小值所在位置的索引位置（自动索引） |
| 4 |
.argmax() |
计算数据最大值所在位置的索引位置（自动索引） |
| 5 |
.describe() |
针对各列的多个统计汇总，用统计学指标快速描述数据的概要 |
| 6 |
.sum() |
计算各列数据的和 |
| 7 |
.count() |
非NaN值的数量 |
| 8 |
.mean( ) |
计算数据的算术平均值 |
| 9 |
.median() |
计算算术中位数 |
| 10 |
.var() |
计算数据的方差 |
| 11 |
.std() |
计算数据的标准差 |
| 12 |
.corr() |
计算相关系数矩阵 |
| 13 |
.cov() |
计算协方差矩阵 |
| 14 |
.corrwith() |
利用DataFrame的corrwith方法，可以计算其列或行跟另一个Series或DataFrame之间的相关系数。 |
| 15 |
.min() |
计算数据的最小值 |
| 16 |
.max() |
计算数据的最大值 |
| 17 |
.diff() |
计算一阶差分，对时间序列很有效 |
| 18 |
.mode() |
计算众数，返回频数最高的那（几）个 |
| 19 |
.mean() |
计算均值 |
| 20 |
.quantile() |
计算分位数（0到1） |
| 21 |
.isin() |
用于判断矢量化集合的成员资格，可用于过滤Series中或DataFrame列中数据的子集 |
| 22 |
.unique() |
返回一个Series中的唯一值组成的数组。 |
| 23 |
.value_counts() |
计算一个Series中各值出现的频率。 |
举例：判断city列的值是否为北京
df_inner['city'].isin(['beijing'])
七、分组的方法
| 序号 |
方法 |
说明 |
| 1 |
DataFrame.groupby() |
分组函数 |
| 2 |
pandas.cut() |
根据数据分析对象的特征，按照一定的数值指标，把数据分析对象划分为不同的区间部分来进行研究，以揭示其内在的联系和规律性。 |
举例：.groupby用法
group_by_name=salaries.groupby('name')
print(type(group_by_name))
输出结果为：
class 'pandas.core.groupby.DataFrameGroupBy'
八、读写文本格式数据的方法
| 序号 |
方法 |
说明 |
| 1 |
read_csv |
从文件、URL、文件型对象中加载带分隔符的数据。默认分隔符为逗号 |
| 2 |
read_table |
从文件、URL、文件型对象中加载带分隔符的数据。默认分隔符为制表符（t） |
| 3 |
read_ fwf |
读取定宽列格式数据（也就是说，没有分隔符） |
| 4 |
read_clipboard |
读取剪贴板中的数据，可以看做read_table的剪贴板版。再将网页转换为表格时很有用 |
| 5 |
read_excel |
从ExcelXLS或XLSXfile 读取表格数据 |
| 6 |
read_hdf |
读取pandas写的HDF5文件 |
| 7 |
read_html |
读取HTML文档中的所有表格 |
| 8 |
read_json |
读取JSON字符串中的数据 |
| 9 |
read_msgpack |
二进制格式编码的pandas数据 |
| 10 |
read_pickle |
读取Python pickle格式中存储的任意对象 |
| 11 |
read_sas |
读取存储于SAS系统自定义存储格式的SAS数据集 |
| 12 |
read_sql |
读取SQL 查询结果为pandas的DataFrame |
| 13 |
read_stata |
读取Stata文件格式的数据集 |
| 14 |
read_feather |
读取 Feather二进制文件格式 |
举例：导入CSV或者xlsx文件
df = pd.DataFrame(pd.read_csv('name.csv',header=1))
df = pd.DataFrame(pd.read_excel('name.xlsx'))
九、处理缺失数据
| 序号 |
方法 |
说明 |
| 1 |
.fillna(value,method,limit,inplace) |
填充缺失值 |
| 2 |
.dropna() |
删除缺失数据 |
| 3 |
.info() |
查看数据的信息，包括每个字段的名称、非空数量、字段的数据类型 |
| 4 |
.isnull() |
返回一个同样长度的值为布尔型的对象（Series或DataFrame），表示哪些值是缺失的 |
举例：查看数据表基本信息（维度、列名称、数据格式等等）
df.info()
十、数据转换
| 序号 |
方法 |
说明 |
| 1 |
.replace(old, new) |
用新的数据替换老的数据，如果希望一次性替换多个值，old和new可以是列表。默认会返回一个新的对象，传入inplace=True可以对现有对象进行就地修改。 |
| 2 |
.duplicated() |
判断各行是否是重复行，返回一个布尔型Series。 |
| 3 |
.drop_duplicates() |
删除重复行，返回删除后的DataFrame对象。 |
举例：删除后出现的重复值：
df['city'].drop_duplicates()
本文总结的是都是一些Pandas常用的方法，至于一些基础的概念还需要你学到Pandas的时候去理解，例如Series是什么？DataFrame是什么？如果你已经清楚了Pandas的这些基础东西之后，搭配上文章中的这些方法，那你用Pandas去做数据处理和分析必然会游刃有余。
【来源：自由互联、日本
站群服务器】
