pandas基础
pandas基础
df：任意的Pandas DataFrame对象
s：任意的Pandas Series对象
读写文件
读取文件
# 读入文件
filename = ""
url=""
json_string = ""
pd.read_csv(filename); # 从CSV文件导入数据
pd.read_table(filename); # 从限定分隔符的文本文件导入数据
pd.read_excel(filename); # 从Excel文件导入数据
pd.read_sql(query, connection_object); # 从SQL表/库导入数据
pd.read_json(json_string); # 从JSON格式的字符串导入数据
pd.read_html(url); # 解析URL、字符串或者HTML文件，抽取其中的tables表格
pd.read_clipboard(); # 从你的粘贴板获取内容，并传给read_table()
pd.DataFrame(dict); # 从字典对象导入数据，Key是列名，Value是数据
# ...
导出数据
df.to_csv(filename) # 导出数据到CSV文件
df.to_excel(filename) # 导出数据到Excel文件
df.to_sql(table_name, connection_object) # 导出数据到SQL表
df.to_json(filename) # 以Json格式导出数据到文本文件
查看数据
df.head(n) # 查看DataFrame对象的前n行
df.tail(n) # 查看DataFrame对象的最后n行
df.shape() # 查看行数和列数
df.info()# 查看索引、数据类型和内存信息
df.describe() # 查看数值型列的汇总统计
s.value_counts(dropna=False)# 查看Series对象的唯一值和计数
df.apply(pd.Series.value_counts)# 查看DataFrame对象中每一列的唯一值和计数
数据切片
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,:]# 返回第一行
df.iloc[0,0]# 返回第一列的第一个元素
数据清洗
df.columns = ['a', 'b', 'c'] # 重命名列名
pd.isnull() # 检查DataFrame对象中的空值，并返回一个Boolean数组
pd.notnull() # 检查DataFrame对象中的非空值，并返回一个Boolean数组
df.dropna() # 删除所有包含空值的行
df.dropna(axis=1) # 删除所有包含空值的列
df.dropna(axis=1, thresh=n) # 删除所有小于n个非空值的行
df.fillna(x) # 用x替换DataFrame对象中所有的空值
s.astype(float) # 将Series中的数据类型更改为float类型
s.replace(1, 'one') # 用‘one’代替所有等于1的值
s.replace([1, 3], ['one', 'three']) # 用'one'代替1，用'three'代替3
df.rename(columns=lambda x: 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') # 更改索引列
df.rename(index=lambda x: x + 1) # 批量重命名索引
判断缺失值（返回bool）
- df.insnull()
- df.notnull()
删除缺失值
dropna(）
dropna(axis=0, how='any', thresh=None, subset=None, inplace=False)
axis(过滤的行和列)0行1列
how（过滤标准 any 有一个缺失值就删除
( all 全是缺失值才删除
thresh（有效数据最小要求 至少有n个才保留
reset_index(drop=True)
- 重新排序
删除异常值
- dorp()
填充缺失值
fillna()
fillna(value=None, method=None, axis=None, inplace=False,limit=None, downcast=None, **kwargs)
value 替换缺失值的元素
method 填充方式
取值为backfill或bfill时，表示使用下一个非缺失值来填补；
取值为pad或ffill时，表示使用上一个非缺失值来填补。
imit 可以连续填充的最大数量，超过则不进行填补，默认None。
数据处理
df[df[col] > 0.5]# 选择col列的值大于0.5的行
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)# 返回一个按列col进行分组的Groupby对象
df.groupby([col1,col2])# 返回一个按多列进行分组的Groupby对象
df.groupby(col1)[col2]# 返回按列col1进行分组后，列col2的均值
df.pivot_table(index=col1, values=[col2,col3], aggfunc=max)# 创建一个按列col1进行分组，并计算col2和col3的最大值的数据透视表
df.groupby(col1).agg(np.mean)# 返回按列col1分组的所有列的均值
data.apply(np.mean)# 对DataFrame中的每一列应用函数np.mean
data.apply(np.max,axis=1)# 对DataFrame中的每一行应用函数np.max
分类groupby
tsb1 = Amax.groupby(by='列名')['列']
不加参数要查看可用get_group 单组计算
后面可以加参数（.sum() .mean() .）
.agg
- agg（func, axis = 0,* args,** kwargs ）
- func：表示用于汇总数据的函数，可以为单个函数或函数列表。
- #axis：表示函数作用于轴的方向，0或index表示将函数应用到每一列；1或columns表示将函数应用到每一行，该参数的默认值为0。
.apply
apply(func, axis=0, broadcast=None, raw=False, reduce=None,result_type=None, args=(), **kwds)
#func：表示应用于某一行或某一列的函数。
#axis：表示函数操作的轴向。
#broadcast：表示是否将数据进行广播。
transfrom('sum') #观察Length
数据合并
df1.append(df2) # 将df2中的行添加到df1的尾部
df.concat([df1, df2], axis=1) # 将df2中的列添加到df1的尾部
df1.join(df2, on=col1, how='inner') # 对df1的列和df2的列执行SQL形式的join
pd.merge(df1, df2, on='key')
数据统计
df.describe() # 查看数据值列的汇总统计
df.mean() # 返回所有列的均值
df.corr() # 返回列与列之间的相关系数
df.count() # 返回每一列中的非空值的个数
df.max() # 返回每一列的最大值
df.min() # 返回每一列的最小值
df.median() # 返回每一列的中位数
df.std() # 返回每一列的标准差
