python中的pandas的两种基本使用,python中pandas函数

  python中的pandas的两种基本使用,python中pandas函数

  

  一、生成数据表

  1、首先导入熊猫库,一般都会用到数组库,所以我们先导入备用:

  将数组作为铭牌导入

  进口熊猫作为pd2,导入战斗支援车或者文件格式文件:

  df=pd .数据帧(PD。read _ CSV( name。CSV ,header=1))

  df=pd .数据帧(PD。read _ excel( name。xlsx ))3、用熊猫创建数据表:

  df=pd .DataFrame({id:[1001,1002,1003,1004,1005,1006],

  日期是:年。date _ range( 2013 01 02 ,periods=6),

  城市 :[北京,上海,广州,深圳,上海,北京],

  年龄 :[23,44,54,32,34,32],

  类别:[100-A , 100-B , 110-A , 110-C , 210-A , 130-F],

  价格:[1200,np.nan,2133,5433,np.nan,4432]},

  columns=[id , date , city , category , age , price ])二、数据表信息查看

  1、维度查看:

  df.shape2、数据表基本信息(维度、列名称、数据格式、所占空间等):

  df.info()3、每一列数据的格式:

  df.dtypes4、某一列格式:

  df[B]。数据类型5,空值:

  df.isnull()6、查看某一列空值:

  df.isnull()7、查看某一列的唯一值:

  df[B ].唯一()8、查看数据表的值:

  df.values9、查看列名称:

  df.columns10、查看前10行数据、后10行数据:

  df.head() #默认前10行数据

  df.tail() #默认后10 行数据相关推荐: 《Python视频教程》

  三、数据表清洗

  1、用数字0填充空值:

  df.fillna(值=0)2,使用列王子的均值对钠进行填充:

  df[王子]。菲尔娜(df[王子]。均值())3、清楚城市字段的字符空格:

  df[城市]=df[城市]。地图(长条)4、大小写转换:

  df[城市]=df[城市]。海峡。较低(

  )5、更改数据格式:

  

df['price'].astype('int')
6、更改列名称:

  

df.rename(columns={'category': 'category-size'})
7、删除后出现的重复值:

  

df['city'].drop_duplicates()
8、删除先出现的重复值:

  

df['city'].drop_duplicates(keep='last')
9、数据替换:

  

df['city'].replace('sh', 'shanghai')
四、数据预处理

  

df1=pd.DataFrame({"id":[1001,1002,1003,1004,1005,1006,1007,1008], 

  "gender":['male','female','male','female','male','female','male','female'],

  "pay":['Y','N','Y','Y','N','Y','N','Y',],

  "m-point":[10,12,20,40,40,40,30,20]})

1、数据表合并

  

df_inner=pd.merge(df,df1,how='inner') # 匹配合并,交集

  df_left=pd.merge(df,df1,how='left') #

  df_right=pd.merge(df,df1,how='right')

  df_outer=pd.merge(df,df1,how='outer') #并集

2、设置索引列

  

df_inner.set_index('id')
3、按照特定列的值排序:

  

df_inner.sort_values(by=['age'])
4、按照索引列排序:

  

df_inner.sort_index()
5、如果prince列的值>3000,group列显示high,否则显示low:

  

df_inner['group'] = np.where(df_inner['price'] > 3000,'high','low')
6、对复合多个条件的数据进行分组标记

  

df_inner.loc[(df_inner['city'] == 'beijing') & (df_inner['price'] >= 4000), 'sign']=1
7、对category字段的值依次进行分列,并创建数据表,索引值为df_inner的索引列,列名称为category和size

  

pd.DataFrame((x.split('-') for x in df_inner['category']),index=df_inner.index,columns=['category','size']))
8、将完成分裂后的数据表和原df_inner数据表进行匹配

  

df_inner=pd.merge(df_inner,split,right_index=True, left_index=True)
五、数据提取

  主要用到的三个函数:loc,iloc和ix,loc函数按标签值进行提取,iloc按位置进行提取,ix可以同时按标签和位置进行提取。

  1、按索引提取单行的数值

  

df_inner.loc[3]
2、按索引提取区域行数值

  

df_inner.iloc[0:5]
3、重设索引

  

df_inner.reset_index()
4、设置日期为索引

  

df_inner=df_inner.set_index('date')
5、提取4日之前的所有数据

  

df_inner[:'2013-01-04']
6、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。
7、适应iloc按位置单独提起数据

  

df_inner.iloc[[0,2,5],[4,5]] #提取第0、2、5行,4、5列
8、使用ix按索引标签和位置混合提取数据

  

df_inner.ix[:'2013-01-03',:4] #2013-01-03号之前,前四列数据
9、判断city列的值是否为北京

  

df_inner['city'].isin(['beijing'])
10、判断city列里是否包含beijing和shanghai,然后将符合条件的数据提取出来

  

df_inner.loc[df_inner['city'].isin(['beijing','shanghai'])]
11、提取前三个字符,并生成数据表

  

pd.DataFrame(category.str[:3])
六、数据筛选

  使用与、或、非三个条件配合大于、小于、等于对数据进行筛选,并进行计数和求和。

  1、使用“与”进行筛选

  

df_inner.loc[(df_inner['age'] > 25) & (df_inner['city'] == 'beijing'), ['id','city','age','category','gender']]
2、使用“或”进行筛选

  

df_inner.loc[(df_inner['age'] > 25) (df_inner['city'] == 'beijing'), ['id','city','age','category','gender']]

  .sort(['age'])

3、使用“非”条件进行筛选

  

df_inner.loc[(df_inner['city'] != 'beijing'), ['id','city','age','category','gender']].sort(['id'])
4、对筛选后的数据按city列进行计数

  

df_inner.loc[(df_inner['city'] != 'beijing'), ['id','city','age','category','gender']].sort(['id']).city.count()
5、使用query函数进行筛选

  

df_inner.query('city == ["beijing", "shanghai"]')
6、对筛选后的结果按prince进行求和

  

df_inner.query('city == ["beijing", "shanghai"]').price.sum()
七、数据汇总

  主要函数是groupby和pivote_table

  1、对所有的列进行计数汇总

  

df_inner.groupby('city').count()
2、按城市对id字段进行计数

  

df_inner.groupby('city')['id'].count()
3、对两个字段进行汇总计数

  

df_inner.groupby(['city','size'])['id'].count()
4、对city字段进行汇总,并分别计算prince的合计和均值

  

df_inner.groupby('city')['price'].agg([len,np.sum, np.mean])
八、数据统计

  数据采样,计算标准差,协方差和相关系数

  1、简单的数据采样

  

df_inner.sample(n=3)
2、手动设置采样权重

  

weights = [0, 0, 0, 0, 0.5, 0.5]

  df_inner.sample(n=2, weights=weights)

3、采样后不放回

  

df_inner.sample(n=6, replace=False)
4、采样后放回

  

df_inner.sample(n=6, replace=True)
5、 数据表描述性统计

  

df_inner.describe().round(2).T #round函数设置显示小数位,T表示转置
6、计算列的标准差

  

df_inner['price'].std()
7、计算两个字段间的协方差

  

df_inner['price'].cov(df_inner['m-point'])
8、数据表中所有字段间的协方差

  

df_inner.cov()
9、两个字段的相关性分析

  

df_inner['price'].corr(df_inner['m-point']) #相关系数在-1到1之间,接近1为正相关,接近-1为负相关,0为不相关
10、数据表的相关性分析

  

df_inner.corr()
九、数据输出

  分析后的数据可以输出为xlsx格式和csv格式

  1、写入Excel

  

df_inner.to_excel('excel_to_python.xlsx', sheet_name='bluewhale_cc')
2、写入到CSV

  

df_inner.to_csv('excel_to_python.csv')
以上就是最全的Python pandas用法总结的详细内容,更多请关注盛行IT软件开发工作室其它相关文章!

  

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。

留言与评论(共有 条评论)
   
验证码: