Pandas速查 · 语雀

[keosu]

Pandas 速查

Pandas 速查

包导入

import pandas as pd

import numpy as np

主要对象

df：任意的 Pandas DataFrame 对象

s：任意的 Pandas Series 对象

导入数据

• 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

创建测试对象

• pd.DataFrame(np.random.rand(20,5))：创建 20 行 5 列的随机数组成的 DataFrame 对象
• pd.Series(my_list)：从可迭代对象 my_list 创建一个 Series 对象
• df.index = pd.date_range('1900/1/30', periods=df.shape[0])：增加一个日期索引

查看、检查数据

• 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

数据选取

• 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

数据清理

• 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

数据处理：Filter、Sort 和 GroupBy

• 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

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

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

===

Measure

Measure
https://www.yuque.com/keosu/um37n8/88e7534a632a5a19089ddcc850a965b2