pandas速查手册(中文版)
2024-10-21 03:11:17
本文翻译自文章:Pandas Cheat Sheet - Python for Data Science
对于数据科学家,无论是数据分析还是数据挖掘来说,Pandas是一个非常重要的Python包。它不仅提供了很多方法,使得数据处理非常简单,同时在数据处理速度上也做了很多优化,使得和Python内置方法相比时有了很大的优势。
如果你想学习Pandas,建议先看两个网站。
(1)官网:Python Data Analysis Library
(2)十分钟入门Pandas:10 Minutes to pandas
在第一次学习Pandas的过程中,你会发现你需要记忆很多的函数和方法。所以在这里我们汇总一下Pandas官方文档中比较常用的函数和方法,以方便大家记忆。同时,我们提供一个PDF版本,方便大家打印。pandas-cheat-sheet.pdf
关键缩写和包导入
在这个速查手册中,我们使用如下缩写:
df:任意的Pandas DataFrame对象
同时我们需要做如下的引入:
import pandas as pd
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(,)):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[]):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[]:按位置选取数据
s.loc['index_one']:按索引选取数据
df.iloc[,:]:返回第一行
df.iloc[,]: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=):删除所有包含空值的列
df.dropna(axis=,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(,'one'):用‘one’代替所有等于1的值
s.replace([,],['one','three']):用'one'代替1,用'three'代替3
df.rename(columns=lambda x: x + ):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 + ):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=):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
最新文章
- TechEmpower 13轮测试中的ASP.NET Core性能测试
- python正则
- Android下载更新代码
- ubuntu下设置clion是使用clang和clang++
- C#入门教程(三)–接收用户输入、转义字符、类型转换-打造C#入门教程
- JavaScript异步编程 ( 一 )
- 折叠UITableView分组实现方法
- 005 列表以及append,extend方法
- 面试题(一续Spring)
- Mysql数据库左外连接,右外连接,模糊查询
- root用户无法通过ssh连接Linux系统
- VMvare虚拟机如何删除安装的ubuntu操作系统
- 使用Sqlserver事务发布实现数据同步(sql2008)_Mssq l数据库教程
- oracle中ddl的管理
- pta l2-8(最长对称字串)
- Oracle中Clob类型处理解析 (转)
- python range函数与numpy arange函数,xrange与range的区别
- 常用sql001_partition by 以及 row_number()和 dense_rank()和rank()区别
- HDUOJ---2955 Robberies
- [线索二叉树] [LeetCode] 不需要栈或者别的辅助空间,完成二叉树的中序遍历。题:Recover Binary Search Tree,Binary Tree Inorder Traversal
热门文章
- jQuery fancy box 移除close ";X"; button
- [LeetCode] 220. Contains Duplicate III 包含重复元素 III
- shell request failed on channel 0
- Qt5 QtQuick系列----QtQuick的Secne Graph剖析(1)
- Google深度学习开源框架TenseorFlow安装
- Deepin15.11源码安装Nginx17.5包括stream模块和njs模块
- PHP反射API (转)
- 16 JQuery---JavaScript框架
- [转帖]SpringBoot集成redisson分布式锁
- XGBoost 重要参数(调参使用)