Python的Pandas库简述

pandas 是 python 的数据分析处理库
import pandas as pd

1、读取CSV、TXT文件

foodinfo = pd.read_csv("pandas_study.csv", encoding = "utf-8")

 

2、查看前N条、后N条信息

foodinfo.head(N)
foodinfo.tail(N)

 

3、查看数据框的格式，是DataFrame还是ndarray

print(type(foodinfo))
# 结果：<class 'pandas.core.frame.DataFrame'>

 

4、查看有哪些列

foodinfo.columns

 

5、查看有几行几列

foodinfo.shape

 

6、打印某一行、某几行数据

foodinfo.loc[0]
foodinfo.loc[0:2]
foodinfo.loc[[2, 5, 10]]    #注意里面是一个数组

 

7、打印某一列、某几列数据

foodinfo["dti"]
foodinfo[["int_rate", "dti"]]    #注意里面是一个数组
# 或者：
columns = ["int_rate", "dti"]
foodinfo[columns]

 

8、打印所有列的数据类型

foodinfo.dtypes

 

9、对列的一些相关操作

col_columns = foodinfo.columns.tolist()
new_columus = []

for c in col_columns:
if c.endswith("s"):
new_columus.append(c)
print(c)

foodinfo[new_columus]

 

10、加减乘除：将每行都乘以100（加 减 乘 除 一样）

foodinfo[["int_rate", "dti"]] * 100

 

11、增加一列

new_col = foodinfo["int_rate"] * 100
foodinfo["new_col"]= new_col

 

12、列之间的运算

foodinfo["dti"] * foodinfo["int_rate"]

 

13、查看列的最大值、最小值、平均值

foodinfo["int_rate"].max()
foodinfo["int_rate"].min()
foodinfo["int_rate"].mean()

 

14、按某个字段排序 - 升序

# inplace是否新建一个dataframe，True不需要
foodinfo.sort_values("int_rate_one", inplace = True)

# 按某个字段排序 - 降序
foodinfo.sort_values("int_rate_one", inplace = True, ascending = False)

 

15、查看数据框的一些属性：最大、最小、均值、四分位数等

foodinfo.describe()

 

16、空值相关的操作

pin = foodinfo["pin"]
pin_isnull = pd.isnull(pin) # 查看所有空值
pin_isnull_list = foodinfo[pin_isnull] # 找出所有为空值的行
len(pin_isnull_list)        # 空值的个数

 

17、缺失值相关操作

# 简单的处理办法就是过滤掉null值
books = foodinfo["life_cycle_books"]
book_isnull = pd.isnull(books)
book_list_isnull = foodinfo["life_cycle_books"][book_isnull == False]
mean = sum(book_list_isnull) / len(book_list_isnull)    # 计算平均值

 

18、根据条件打印某列数据

foodinfo[foodinfo["life_cycle_books"] == 1]

 

19、数据透视表

import numpy as np
# index：要透视的列
# values：要比较的关系列
# aggfunc：具体的关系，默认值：np.mean
data_foodinfo = foodinfo.pivot_table(index = ["life_cycle_books", "potential_value_books"], values = "risk_level", aggfunc = np.mean)
print(data_foodinfo)

 

20、删除缺失值

# 所有行
na_foodinfo = foodinfo.dropna(axis = 1)
# 可以指定列
na_foodinfo = foodinfo.dropna(axis = 0, subset = ["life_cycle_books", "potential_value_books"])

 

21、自由取数据 如：取80行 life_cycle_books列

foodinfo.loc[80, "life_cycle_books"]

 

22、重新排索引

foodinfo.reset_index(drop = True)

 

23、自定义函数：返回空值个数

def count_null_columns(column):
    column_null = pd.isnull(column)
    list_null = column[column_null]
    count_null = len(list_null)
    return count_null
foodinfo.apply(count_null_columns)

 

24、Series

# pandas 三种数据结构
# Series
# DataFrame
# Panel
from pandas import Series

 

25、Series显示某一列数据

series_name = taitan["Name"]
series_name.values

 

26、定位某行某列

series_name = taitan["Name"]
series_age = taitan["Age"]
series_custom = Series(series_age.values, index = series_name)
series_custom[["Ahlin, Mrs. Johan (Johanna Persdotter Larsson)", "Asplund, Mrs. Carl Oscar (Selma Augusta Emilia Johansson)"]]
# 说明：series_custom[""] 按列取 series_custom[[""]] 按行取

 

27、取5-10行数据，和上面一样：

series_custom[5: 10]

 

28、index变换

old_index = series_custom.index.tolist()
sort_index = sorted(old_index)
new_index = series_custom.reindex(sort_index)
print(new_index)

 

29、Series按索引和值排序的函数

sc1 = series_custom.sort_index()
print(sc1)
sc2 = series_custom.sort_values()
print(sc2)

 

30、Series 过滤

series_custom > 0.5
series_custom[series_custom > 0.5]
series_custom[(series_custom > 0.5) & (series_custom < 0.9)]
# 注：&、| 都是单符号

 

31、DataFrame

# Series是一行数据，DataFrame是多行数据
# DataFrame 可以看成由多个 Series 组成的
df = pd.read_csv("titanic_train.csv")

 

32、DataFrame的索引变换

# drop 是否新创建一个DF，True否 False是（表示还要保留Name这一列，否则一会无法进行计算）
df_name = df.set_index("Name", drop = False)

 

33、DataFrame查看某一类型的数据

types = df_name.dtypes
float_columns = types[types.values == "float64"].index
df_name[float_columns]

 

34、DataFrame求方差

float_df = df_name[float_columns]
float_df.apply(lambda x: np.std(x))