类别:Python / 日期:2019-12-02 / 浏览:100 / 评论:0

一、生成数据表

1、起首导入pandas库,平常都邑用到numpy库,所以我们先导入备用:

import numpy as np
import pandas as pd

2、导入CSV或许xlsx文件:

df = pd.DataFrame(pd.read_csv('name.csv',header=1))
df = pd.DataFrame(pd.read_excel('name.xlsx'))

3、用pandas建立数据表:

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、数据表信息检察

1、维度检察:

df.shape

2、数据表基本信息(维度、列称号、数据花样、所占空间等):

df.info()

3、每一列数据的花样:

df.dtypes

4、某一列花样:

df['B'].dtype

5、空值:

df.isnull()

6、检察某一列空值:

df.isnull()

7、检察某一列的唯一值:

df['B'].unique()

8、检察数据表的值:

df.values

9、检察列称号:

df.columns

10、检察前10行数据、后10行数据:

df.head() #默许前10行数据
df.tail()    #默许后10 行数据

相干引荐:《Python视频教程》

三、数据表洗濯

1、用数字0添补空值:

df.fillna(value=0)

2、运用列prince的均值对NA举行添补:

df['prince'].fillna(df['prince'].mean())

3、清晰city字段的字符空格:

df['city']=df['city'].map(str.strip)

4、大小写转换:

df['city']=df['city'].str.lower()

5、变动数据花样:

df['price'].astype('int')

6、变动列称号:

df.rename(columns={'category': 'category-size'})

7、删除后涌现的反复值:

df['city'].drop_duplicates()

8、删除先涌现的反复值:

df['city'].drop_duplicates(keep='last')

9、数据替代:

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、数据表兼并

df_inner=pd.merge(df,df1,how='inner')  # 婚配兼并,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、根据特定列的值排序:

df_inner.sort_values(by=['age'])

4、根据索引列排序:

df_inner.sort_index()

5、假如prince列的值>3000,group列显现high,不然显现low:

df_inner['group'] = np.where(df_inner['price'] > 3000,'high','low')

6、对复合多个前提的数据举行分组标记

df_inner.loc[(df_inner['city'] == 'beijing') & (df_inner['price'] >= 4000), 'sign']=1

7、对category字段的值顺次举行排列,并建立数据表,索引值为df_inner的索引列,列称号为category和size

pd.DataFrame((x.split('-') for x in df_inner['category']),index=df_inner.index,columns=['category','size']))

8、将完成破裂后的数据表和原df_inner数据表举行婚配

df_inner=pd.merge(df_inner,split,right_index=True, left_index=True)

五、数据提取

重要用到的三个函数:loc,iloc和ix,loc函数按标签值举行提取,iloc按位置举行提取,ix能够同时按标签和位置举行提取。

1、按索引提取单行的数值

df_inner.loc[3]

2、按索引提取地区行数值

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日之前的一切数据

df_inner[:'2013-01-04']

6、运用iloc按位置地区提取数据

df_inner.iloc[:3,:2] #冒号前后的数字不再是索引的标签称号,而是数据地点的位置,从0最先,前三行,前两列。

7、顺应iloc按位置零丁提起数据

df_inner.iloc[[0,2,5],[4,5]] #提取第0、2、5行,4、5列

8、运用ix按索引标签和位置夹杂提取数据

df_inner.ix[:'2013-01-03',:4] #2013-01-03号之前,前四列数据

9、推断city列的值是不是为北京

df_inner['city'].isin(['beijing'])

10、推断city列里是不是包括beijing和shanghai,然后将相符前提的数据提取出来

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、数据挑选

运用与、或、非三个前提合营大于、小于、即是对数据举行挑选,并举行计数和乞降。

1、运用“与”举行挑选

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

2、运用“或”举行挑选

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

3、运用“非”前提举行挑选

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

4、对挑选后的数据按city列举行计数

df_inner.loc[(df_inner['city'] != 'beijing'), ['id','city','age','category','gender']].sort(['id']).city.count()

5、运用query函数举行挑选

df_inner.query('city == ["beijing", "shanghai"]')

6、对挑选后的效果按prince举行乞降

df_inner.query('city == ["beijing", "shanghai"]').price.sum()

七、数据汇总

重要函数是groupby和pivote_table

1、对一切的列举行计数汇总

df_inner.groupby('city').count()

2、按都市对id字段举行计数

df_inner.groupby('city')['id'].count()

3、对两个字段举行汇总计数

df_inner.groupby(['city','size'])['id'].count()

4、对city字段举行汇总,并离别盘算prince的算计和均值

df_inner.groupby('city')['price'].agg([len,np.sum, np.mean])

八、数据统计

数据采样,盘算标准差,协方差和相干系数

1、简朴的数据采样

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函数设置显现小数位,T示意转置

6、盘算列的标准差

df_inner['price'].std()

7、盘算两个字段间的协方差

df_inner['price'].cov(df_inner['m-point'])

8、数据表中一切字段间的协方差

df_inner.cov()

9、两个字段的相干性剖析

df_inner['price'].corr(df_inner['m-point']) #相干系数在-1到1之间,靠近1为正相干,靠近-1为负相干,0为不相干

10、数据表的相干性剖析

df_inner.corr()

九、数据输出

剖析后的数据能够输出为xlsx花样和csv花样

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用法总结的细致内容,更多请关注ki4网别的相干文章!

打赏

感谢您的赞助~

打开支付宝扫一扫,即可进行扫码打赏哦~

版权声明 : 本文未使用任何知识共享协议授权,您可以任何形式自由转载或使用。

 可能感兴趣的文章

评论区

发表评论 / 取消回复

必填

选填

选填

◎欢迎讨论,请在这里发表您的看法及观点。