Pandas是Python中最受欢迎的软件包之一，广泛用于数据处理。 它功能强大且用途广泛，使数据清理和整理变得更加轻松愉快。
Pandas库对python社区做出了巨大贡献，它使python成为数据科学和分析的顶级编程语言之一。 它已成为数据分析人员和科学家进行数据分析和处理的首选。
什么是Pandas？
Pandas软件包具有许多功能，这些功能对于数据处理和操作至关重要。 简而言之，它可以为您执行以下任务-
- 创建类似于R的数据框和Excel电子表格的结构化数据集。
- 从各种来源读取数据，例如CSV，TXT，XLSX，SQL数据库，R等。
- 从数据集中选择特定的行或列
- 按升序或降序排列数据
- 根据某些条件过滤数据
- 按分类变量汇总数据
- 将数据重塑为宽或长格式
- 时间序列分析
- 合并和串联两个数据集
- 遍历数据集的行
- 以CSV或Excel格式写入或导出数据
重要的Pandas函数
| 功能 | 函数 |
|---|---|
| 提取列名称 | df.columns |
| 选择前两行 | df.iloc [：2] |
| 选择前两列 | df.iloc [：，：2] |
| 按名称选择列 | df.loc [：，[“ col1”，“ col2”]] |
| 选择随机编号 行数 | df.sample（n = 10） |
| 选择随机行的分数 | df.sample（分数= 0.2） |
| 重命名变量 | df.rename（） |
| 选择列作为索引 | df.set_index（） |
| 删除行或列 | df.drop（） |
| 排序值 | df.sort_values（） |
| 分组变量 | df.groupby（） |
| 筛选 | df.query（） |
| 寻找缺失的值 | df.isnull（） |
| 删除缺失值 | df.dropna（） |
| 删除重复项 | df.drop_duplicates（） |
| 制作视图 | pd.get_dummies（） |
| 排名 | df.rank（） |
| 累计金额 | df.cumsum（） |
| 分位数 | df.quantile（） |
| 选择数值变量 | df.select_dtypes（） |
| 连接两个数据框 | pd.concat（） |
| 基于公共变量合并 | pd.merge（） |
数据集与快速入门
income和iris，可以在扣扣群630011153 144081101找到。
>>> import pandas as pd>>> income = pd.read_csv("/home/andrew/income.csv")>>> income.head() Index State Y2002 Y2003 Y2004 Y2005 ... Y2010 Y2011 Y2012 Y2013 Y2014 Y20150 A Alabama 1296530 1317711 1118631 1492583 ... 1237582 1440756 1186741 1852841 1558906 19166611 A Alaska 1170302 1960378 1818085 1447852 ... 1629616 1230866 1512804 1985302 1580394 19791432 A Arizona 1742027 1968140 1377583 1782199 ... 1300521 1130709 1907284 1363279 1525866 16477243 A Arkansas 1485531 1994927 1119299 1947979 ... 1669295 1928238 1216675 1591896 1360959 13293414 C California 1685349 1675807 1889570 1480280 ... 1624509 1639670 1921845 1156536 1388461 1644607[5 rows x 16 columns]>>> income.columnsIndex(['Index', 'State', 'Y2002', 'Y2003', 'Y2004', 'Y2005', 'Y2006', 'Y2007', 'Y2008', 'Y2009', 'Y2010', 'Y2011', 'Y2012', 'Y2013', 'Y2014', 'Y2015'], dtype='object')>>> income.dtypesIndex objectState objectY2002 int64Y2003 int64Y2004 int64Y2005 int64Y2006 int64Y2007 int64Y2008 int64Y2009 int64Y2010 int64Y2011 int64Y2012 int64Y2013 int64Y2014 int64Y2015 int64dtype: object>>> income['State'].dtypesdtype('O')>>> income.Y2008 = income.Y2008.astype(float)>>> income.Y2008.dtypesdtype('float64')>>> income.shape(51, 16)>>> income[0:5] Index State Y2002 Y2003 Y2004 Y2005 ... Y2010 Y2011 Y2012 Y2013 Y2014 Y20150 A Alabama 1296530 1317711 1118631 1492583 ... 1237582 1440756 1186741 1852841 1558906 19166611 A Alaska 1170302 1960378 1818085 1447852 ... 1629616 1230866 1512804 1985302 1580394 19791432 A Arizona 1742027 1968140 1377583 1782199 ... 1300521 1130709 1907284 1363279 1525866 16477243 A Arkansas 1485531 1994927 1119299 1947979 ... 1669295 1928238 1216675 1591896 1360959 13293414 C California 1685349 1675807 1889570 1480280 ... 1624509 1639670 1921845 1156536 1388461 1644607[5 rows x 16 columns]>>> income.iloc[0:5] Index State Y2002 Y2003 Y2004 Y2005 ... Y2010 Y2011 Y2012 Y2013 Y2014 Y20150 A Alabama 1296530 1317711 1118631 1492583 ... 1237582 1440756 1186741 1852841 1558906 19166611 A Alaska 1170302 1960378 1818085 1447852 ... 1629616 1230866 1512804 1985302 1580394 19791432 A Arizona 1742027 1968140 1377583 1782199 ... 1300521 1130709 1907284 1363279 1525866 16477243 A Arkansas 1485531 1994927 1119299 1947979 ... 1669295 1928238 1216675 1591896 1360959 13293414 C California 1685349 1675807 1889570 1480280 ... 1624509 1639670 1921845 1156536 1388461 1644607[5 rows x 16 columns]>>> s = pd.Series([1,2,3,1,2], dtype="category")>>> s0 11 22 33 14 2dtype: categoryCategories (3, int64): [1, 2, 3]>>> income.Index.unique()array(['A', 'C', 'D', 'F', 'G', 'H', 'I', 'K', 'L', 'M', 'N', 'O', 'P', 'R', 'S', 'T', 'U', 'V', 'W'], dtype=object)>>> income.Index.nunique()19生成交叉表
pd.crosstab( )用于创建双变量频率分布。
>>> pd.crosstab(income.Index,income.State)State Alabama Alaska Arizona Arkansas California ... Virginia Washington West Virginia Wisconsin WyomingIndex ...A 1 1 1 1 0 ... 0 0 0 0 0C 0 0 0 0 1 ... 0 0 0 0 0D 0 0 0 0 0 ... 0 0 0 0 0频率分布
>>> income.Index.value_counts(ascending = True)G 1F 1H 1P 1L 1U 1R 1V 2T 2K 2S 2D 2C 3O 3W 4A 4I 4M 8N 8Name: Index, dtype: int64取样
>>> income.Index.value_counts(ascending = True)G 1F 1H 1P 1L 1U 1R 1V 2T 2K 2S 2D 2C 3O 3W 4A 4I 4M 8N 8Name: Index, dtype: int64选择行列
income["State"]income.Stateincome[["Index","State","Y2008"]]income.loc[:,["Index","State","Y2008"]]income.loc[0:2,["Index","State","Y2008"]] #Selecting rows with Index label 0 to 2 & columnsincome.loc[:,"Index":"Y2008"] #Selecting consecutive columns#In the above command both Index and Y2008 are included.income.iloc[:,0:5] #Columns from 1 to 5 are included. 6th column not includedloc考虑具有索引中特定标签的行或列。 而iloc考虑在索引中特定位置的行或列，因此它仅采用整数 。
>>> import numpy as np>>> x = pd.DataFrame({"var1" : np.arange(1,20,2)}, index=[9,8,7,6,10, 1, 2, 3, 4, 5])>>> x var19 18 37 56 710 91 112 133 154 175 19>>> x.iloc[:3] var19 18 37 5>>> x.loc[:3] var19 18 37 56 710 91 112 133 15重命名变量
>>> data = pd.DataFrame({"A" : ["John","Mary","Julia","Kenny","Henry"], "B" : ["Libra","Capricorn","Aries","Scorpio","Aquarius"]})>>> data A B0 John Libra1 Mary Capricorn2 Julia Aries3 Kenny Scorpio4 Henry Aquarius>>> data.columns = ['Names','Zodiac Signs']>>> data Names Zodiac Signs0 John Libra1 Mary Capricorn2 Julia Aries3 Kenny Scorpio4 Henry Aquarius>>> data.rename(columns = {"Names":"Cust_Name"},inplace = True)>>> data Cust_Name Zodiac Signs0 John Libra1 Mary Capricorn2 Julia Aries3 Kenny Scorpio4 Henry Aquarius>>> income.columns = income.columns.str.replace('Y' , 'Year ')>>> income.columnsIndex(['Index', 'State', 'Year 2002', 'Year 2003', 'Year 2004', 'Year 2005', 'Year 2006', 'Year 2007', 'Year 2008', 'Year 2009', 'Year 2010', 'Year 2011', 'Year 2012', 'Year 2013', 'Year 2014', 'Year 2015'], dtype='object')索引和行列操作
文章转载于:https://www.jianshu.com/p/f0a5a6b3ecd9
原著是一个有趣的人,若有侵权,请通知删除
还没有人抢沙发呢~