Pandas数据处理

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了Pandas数据处理，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含4217字，纯文字阅读大概需要7分钟。

内容图文

Pandas数据处理：

• 导?数据
• 导出数据
• 查看数据
• 数据选取
• 数据处理
• 数据分组和排序
• 数据合并

# 在使用之前，需要导入pandas库
import pandas as pd

导?数据：

pd.DataFrame() # 自己创建数据框，用于练习

pd.read_csv(filename) # 从CSV?件导?数据

pd.read_table(filename) # 从限定分隔符的?本?件导?数据

pd.read_excel(filename) # 从Excel?件导?数据

pd.read_sql(query,connection_object) # 从SQL表/库导?数据

pd.read_json(json_string) # 从JSON格式的字符串导?数据

pd.read_html(url) # 解析URL、字符串或者HTML?件，抽取其中的tables表格

导出数据：

df.to_csv(filename) #导出数据到CSV?件

df.to_excel(filename) #导出数据到Excel?件

df.to_sql(table_name,connection_object) #导出数据到SQL表

df.to_json(filename) #以Json格式导出数据到?本?件

writer=pd.ExcelWriter('test.xlsx',index=False) 
df1.to_excel(writer,sheet_name='单位')和writer.save()，将多个数据帧写?同?个?作簿的多个sheet(?作表)

查看数据：

df.head(n) # 查看DataFrame对象的前n?

df.tail(n) # 查看DataFrame对象的最后n?

df.shape() # 查看?数和列数

df.info() # 查看索引、数据类型和内存信息

df.columns() # 查看字段（??）名称

df.describe() # 查看数值型列的汇总统计

s.value_counts(dropna=False) # 查看Series对象的唯?值和计数

df.apply(pd.Series.value_counts) # 查看DataFrame对象中每?列的唯?值和计数

df.isnull().any() # 查看是否有缺失值

df[df[column_name].duplicated()] # 查看column_name字段数据重复的数据信息

df[df[column_name].duplicated()].count() # 查看column_name字段数据重复的个数

数据选取：

df[col] # 根据列名，并以Series的形式返回列

df[[col1,col2]] # 以DataFrame形式返回多列

s.iloc[0] # 按位置选取数据

s.loc['index_one'] # 按索引选取数据

df.iloc[0,:] # 返回第??

df.iloc[0,0] # 返回第?列的第?个元素

df.loc[0,:] # 返回第??（索引为默认的数字时，?法同df.iloc），但需要注意的是loc是按索引,iloc参数只接受数字参数

df.ix[[:5],["col1","col2"]] # 返回字段为col1和col2的前5条数据，可以理解为loc和
iloc的结合体。

df.at[5,"col1"] # 选择索引名称为5，字段名称为col1的数据

df.iat[5,0] # 选择索引排序为5，字段排序为0的数据

数据处理：

df.columns= ['a','b','c'] # 重命名列名（需要将所有列名列出，否则会报错）

pd.isnull() # 检查DataFrame对象中的空值，并返回?个Boolean数组

pd.notnull() # 检查DataFrame对象中的?空值，并返回?个Boolean数组

df.dropna() # 删除所有包含空值的?

df.dropna(axis=1) # 删除所有包含空值的列

df.dropna(axis=1,thresh=n) # 删除所有?于n个?空值的?

df.fillna(value=x) # ?x替换DataFrame对象中所有的空值，?持

df[column_name].fillna(x)

s.astype(float) # 将Series中的数据类型更改为float类型

s.replace(1,'one') # ?‘one’代替所有等于1的值

s.replace([1,3],['one','three']) # ?'one'代替1，?'three'代替3

df.rename(columns=lambdax:x+1) # 批量更改列名

df.rename(columns={'old_name':'new_ name'}) # 选择性更改列名

df.set_index('column_one') # 将某个字段设为索引，可接受列表参数，即设置多个索引

df.reset_index("col1") # 将索引设置为col1字段，并将索引新设置为0,1,2...

df.rename(index=lambdax:x+1) # 批量重命名索引

数据分组、排序、透视：

df.sort_index().loc[:5] # 对前5条数据进?索引排序

df.sort_values(col1) # 按照列col1排序数据，默认升序排列

df.sort_values(col2,ascending=False) # 按照列col1降序排列数据

df.sort_values([col1,col2],ascending=[True,False]) # 先按列col1升序排列，后按col2降序排列数据

df.groupby(col) # 返回?个按列col进?分组的Groupby对象

df.groupby([col1,col2]) # 返回?个按多列进?分组的Groupby对象

df.groupby(col1)[col2].agg(mean) # 返回按列col1进?分组后，列col2的均值,agg可以接受列表参数，agg([len,np.mean])

df.pivot_table(index=col1,values=[col2,col3],aggfunc={col2:max,col3:[ma,min]}) # 创建?个按列col1进?分组，计算col2的最?值和col3的最?值、最?值的数据透视表

df.groupby(col1).agg(np.mean) # 返回按列col1分组的所有列的均值,?持

df.groupby(col1).col2.agg(['min','max'])

data.apply(np.mean) # 对DataFrame中的每?列应?函数np.mean

data.apply(np.max,axis=1) # 对DataFrame中的每??应?函数np.max

df.groupby(col1).col2.transform("sum") # 通常与groupby连?，避免索引更改

数据合并：

df1.append(df2) # 将df2中的?添加到df1的尾部

df.concat([df1,df2],axis=1,join='inner') # 将df2中的列添加到df1的尾部,值为空的对应?与对应列都不要

df1.join(df2.set_index(col1),on=col1,how='inner') # 对df1的列和df2的列执?SQL形式的join，默认按照索引来进?合并，如果df1和df2有共同字段时，会报错，可通过设置lsuffix,rsuffix来进?解决，如果需要按照共同列进?合并，就要?到set_index(col1)

pd.merge(df1,df2,on='col1',how='outer') # 对df1和df2合并，按照col1，?式为outer

pd.merge(df1,df2,left_index=True,right_index=True,how='outer') #与 df1.join(df2, how='outer')效果相同

内容总结

以上是互联网集市为您收集整理的Pandas数据处理全部内容，希望文章能够帮你解决Pandas数据处理所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

---