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!