深入浅出Pandas:利用Python进行数据处理与分析,python数据分析活用pandas库
本文从基本数据集读写、数据处理和数据帧操作三个方面展示了23个熊猫核心方法。有需要的朋友可以借鉴一下，希望能有所帮助。祝大家进步很大，早日升职加薪。
00-1010基础数据集操作基础数据处理DataFrame Operation Pandas是一个Python软件库，它提供了大量的函数和方法，使我们能够快速方便地处理数据。总的来说，Pandas是让Python成为一个强大高效的数据分析环境的重要因素之一。
Pandas是基于NumPy的库，可以理解为NumPy在数据处理上的加强版。同时，熊猫也是一个开源项目。它基于Cython，因此可以非常快速地读取和处理数据，还可以轻松处理浮点数据和非浮点数据中的缺失数据(表示为NaN)。
本文中基础数据集操作主要介绍CSV和Excel的读写方法，基础数据处理主要介绍缺失值和特征提取，最后DataFrame操作主要介绍函数和排序方法。
目录
1.读取CSV格式的数据集
警察。DataFrame.from_csv("csv_file ")
或者：
pd.read_csv("csv_file ")
2.读取Excel数据集
pd.read_excel(excel_file )
3.将数据帧直接写入CSV文件
以下逗号用作不带索引的分隔符：
df.to_csv(data.csv ，sep=，，index=False)
4.基本数据集特征信息
df.info()
5.基本数据集统计
print(df.describe())
6.打印表格中的数据框
将数据帧输出到表格：
print(制表(print_table，headers=headers))
当“print_table”是其中列表元素是新的列表时，“headers”是标题字符串的列表。
7.列出所有列的名称
df.columns
基本数据集操作
8.删除丢失的数据。
df.dropna(axis=0，how=any )
返回一个数据帧，其中删除了包含任何NaN值的给定轴。选择how=“all”将删除所有元素都为NaN的给定轴。
9.替换丢失的数据。
df . replace(to _ replace=无，value=无)
在数据帧中使用value值代替to_replace值，其中value和to_replace都要求我们给出不同的值。
10.检查空值NaN。
pd.isnull(对象)
检查缺少的值，即数值数组中的NaN和目标数组中的None/NaN。
1.删除要素
df.drop(特征变量名称，轴=1)
选择轴0代表行，选择列。
12.将目标类型转换为浮点类型。
PD . to _ numeric(df[ feature _ name ]，errors= constrate )
将目标类型转换为数值，以供进一步计算，在本例中为字符串。
13.将数据帧转换成NumPy数组
df.as_matrix()
14.在数据框前取“n”线。
测向头(n)
15.按要素名称获取数据。
df . loc[功能名称]
基本数据处理
16.使用数据帧上的函数。
该函数将数据帧中“高度”行的所有值乘以2:
df[高度]。应用(*lambda* height: 2 * height)
或者：
def multiply(x): return x * 2df[ height ]。应用(乘法)
17.重命名该行。
以下代码将DataFrame的第三行重命名为“size ”:
df.rename(columns={！-{ C } & lt；-& gt；- df.columns[2]:size}，inplace=True)
18.以一行中的唯一实体为例。
下面的代码将采用“名称”行的唯一实体：
df[名称]。唯一()
19.访问子数据帧
以下代码将从DataFrame中提取选定的行“name”和“size ”:
new_df=df[[名称，大小]]
20.汇总数据信息。
#数据框中值的总和
df.sum()
#数据帧的最低值
df.min()
#最高值
df.max()
#最低值的索引
df.idxmin()
#最高值的索引
df.idxmax()
#数据框架的统计摘要，包括四分位数、中位数等。
df.describe()
#平均值
df.mean()
#中值
df.median()
#列之间的相关性
df.corr()
#要只获取一列的这些值，只需像这样选择它#
df[大小]。中位数()
1.对数据进行排序。
df.sort_values(升序=False)
22.布尔索引
以下代码筛选名为“size”的行，并仅显示值等于5的行：
df[df[size]==5]
23.选择一个特定值。
以下代码将选择“size”列和第一行的值：
df.loc([0]，[size])
以上是Python数据分析23熊猫核心操作方法总结的详细内容。更多关于Python熊猫数据分析的信息，请关注盛行IT软件开发工作室的其他相关文章！
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。