pandas数据分析-常用命令

Posted 2023-04-01

参考技术A

order = [\'id\',\'msg\',\'reason\']
df = df[order]

常用：
df.rename(columns=\'A\':\'a\',\'B\':\'b\',inplace=True)(inplace说明修改原数据)
高级用法示例：大写转成小写，去除头尾空格（strip）用 替换空格
df.rename(columns=lambda x:x.strip().lower().replace(\' \'," "),inplace=True)

检查冗余值 df.duplicated()
删除冗余值 df.drop_duplicates(inplace=True)

df.reset_index()

test=pd.DataFrame(msg)

lambda x: 1 if x>0 else 0

df = pd.concat([df,msg],axis=0,ignore_index=True)

pd.merge(df1,df2) 相当于sql， join的左连接

str[0:4] #截取第一位和第四位的字符
str[:-1] #截取从开头到倒数第一位的字符

for i,val in range(len(temp)):
for i,val in enumerate(temp):

df[df.isnull().values==True].drop_duplicates()

append()向列表尾部追加一个元素，只占一个索引位
extend（）像列表尾部追加一个李彪，将列表2中 的每个元素都追加进列表1 .

str=\',\'.join(str(i)for i in list)

eval(str)

df1 = df2.groupby([\'ip\']).aggregate(lambda x:set(x))

for i in data:

def timeStamp(timeNum):
timeStamp = float(timeNum/1000)
timeArray = time.localtime(timeStamp)
otherStyleTime = time.strftime("%Y.%m.%d", timeArray)
return otherStyleTime

df= df.astype(\'str\')

import json
with open(\'psth\',\'r\') as load_f:
load_dict = json.load(load_f)
ioc_list=[]

for k,v in load_dict.items():

pandas常用数据处理命令

一、生成数据表
1、首先导入pandas库，一般都会用到numpy库，所以我们先导入备用：

    1、import numpy as np
    2、import pandas as pd

2、导入CSV或者xlsx文件：

  1、df = pd.DataFrame(pd.read_csv(‘name.csv‘,header=1))
  2、df = pd.DataFrame(pd.read_excel(‘name.xlsx‘))

3、用pandas创建数据表：
import pandas as pd

  1、df = pd.DataFrame({"id":[1001,1002,1003,1004,1005,1006],
  2、 "date":pd.date_range(‘20130102‘, periods=6),
  3、  "city":[‘Beijing ‘, ‘SH‘, ‘ guangzhou ‘, ‘Shenzhen‘, ‘shanghai‘, ‘BEIJING ‘],
  4、 "age":[23,44,54,32,34,32],
  5、 "category":[‘100-A‘,‘100-B‘,‘110-A‘,‘110-C‘,‘210-A‘,‘130-F‘],
  6、 "price":[1200,np.nan,2133,5433,np.nan,4432]},
  7、 columns =[‘id‘,‘date‘,‘city‘,‘category‘,‘age‘,‘price‘])

二、数据表信息查看
1、维度查看：

df.shape

2、数据表基本信息（维度、列名称、数据格式、所占空间等）：

df.info()

3、每一列数据的格式：

df.dtypes

4、某一列格式：

df[‘B‘].dtype

5、空值：

df.isnull()

6、查看某一列空值：

df.isnull()

7、查看某一列的唯一值：

df[‘B‘].unique()

8、查看数据表的值：

df.values

9、查看列名称：

df.columns


10、查看前10行数据、后10行数据：

df.head() #默认前10行数据
df.tail()    #默认后10 行数据

三、数据表清洗
1、用数字0填充空值：

df.fillna(value=0)

2、使用列prince的均值对NA进行填充：

df[‘prince‘].fillna(df[‘prince‘].mean())

3、清楚city字段的字符空格：

df[‘city‘]=df[‘city‘].map(str.strip)

4、大小写转换：

df[‘city‘]=df[‘city‘].str.lower()

5、更改数据格式：

df[‘price‘].astype(‘int‘)       

6、更改列名称：

df.rename(columns={‘category‘: ‘category-size‘})

7、删除后出现的重复值：

df[‘city‘].drop_duplicates()


8、删除先出现的重复值：

df[‘city‘].drop_duplicates(keep=‘last‘)

9、数据替换：

df[‘city‘].replace(‘sh‘, ‘shanghai‘)

四、数据预处理

  1、df1=pd.DataFrame({"id":[1001,1002,1003,1004,1005,1006,1007,1008],
  2、"gender":[‘male‘,‘female‘,‘male‘,‘female‘,‘male‘,‘female‘,‘male‘,‘female‘],
  3、"pay":[‘Y‘,‘N‘,‘Y‘,‘Y‘,‘N‘,‘Y‘,‘N‘,‘Y‘,],
  4、"m-point":[10,12,20,40,40,40,30,20]})


1、数据表合并

df_inner=pd.merge(df,df1,how=‘inner‘)  # 匹配合并，交集
df_left=pd.merge(df,df1,how=‘left‘)        #
df_right=pd.merge(df,df1,how=‘right‘)
df_outer=pd.merge(df,df1,how=‘outer‘)  #并集


2、设置索引列

df_inner.set_index(‘id‘)


3、按照特定列的值排序：

df_inner.sort_values(by=[‘age‘])

4、按照索引列排序：

df_inner.sort_index()


5、如果prince列的值>3000，group列显示high，否则显示low：

df_inner[‘group‘] = np.where(df_inner[‘price‘] > 3000,‘high‘,‘low‘)

6、对复合多个条件的数据进行分组标记

df_inner.loc[(df_inner[‘city‘] == ‘beijing‘) & (df_inner[‘price‘] >= 4000), ‘sign‘]=1


7、对category字段的值依次进行分列，并创建数据表，索引值为df_inner的索引列，列名称为category和size

pd.DataFrame((x.split(‘-‘) for x in df_inner[‘category‘]),index=df_inner.index,columns=[‘category‘,‘size‘]))

8、将完成分裂后的数据表和原df_inner数据表进行匹配

df_inner=pd.merge(df_inner,split,right_index=True, left_index=True)


五、数据提取

主要用到的三个函数：loc,iloc和ix，loc函数按标签值进行提取，iloc按位置进行提取，ix可以同时按标签和位置进行提取。
1、按索引提取单行的数值

df_inner.loc[3]


2、按索引提取区域行数值

df_inner.iloc[0:5]

3、重设索引

df_inner.reset_index()


4、设置日期为索引

df_inner=df_inner.set_index(‘date‘)


5、提取4日之前的所有数据

df_inner[:‘2013-01-04‘]


6、使用iloc按位置区域提取数据

df_inner.iloc[:3,:2] #冒号前后的数字不再是索引的标签名称，而是数据所在的位置，从0开始，前三行，前两列。


7、适应iloc按位置单独提起数据

df_inner.iloc[[0,2,5],[4,5]] #提取第0、2、5行，4、5列

8、使用ix按索引标签和位置混合提取数据

df_inner.ix[:‘2013-01-03‘,:4] #2013-01-03号之前，前四列数据


9、判断city列的值是否为北京

df_inner[‘city‘].isin([‘beijing‘])

10、判断city列里是否包含beijing和shanghai，然后将符合条件的数据提取出来

df_inner.loc[df_inner[‘city‘].isin([‘beijing‘,‘shanghai‘])]


11、提取前三个字符，并生成数据表

pd.DataFrame(category.str[:3])

六、数据筛选

使用与、或、非三个条件配合大于、小于、等于对数据进行筛选，并进行计数和求和。
1、使用“与”进行筛选

df_inner.loc[(df_inner[‘age‘] > 25) & (df_inner[‘city‘] == ‘beijing‘), [‘id‘,‘city‘,‘age‘,‘category‘,‘gender‘]]


2、使用“或”进行筛选

df_inner.loc[(df_inner[‘age‘] > 25) | (df_inner[‘city‘] == ‘beijing‘), [‘id‘,‘city‘,‘age‘,‘category‘,‘gender‘]].sort([‘age‘])


3、使用“非”条件进行筛选

df_inner.loc[(df_inner[‘city‘] != ‘beijing‘), [‘id‘,‘city‘,‘age‘,‘category‘,‘gender‘]].sort([‘id‘])

4、对筛选后的数据按city列进行计数

df_inner.loc[(df_inner[‘city‘] != ‘beijing‘), [‘id‘,‘city‘,‘age‘,‘category‘,‘gender‘]].sort([‘id‘]).city.count()

5、使用query函数进行筛选

df_inner.query(‘city == ["beijing", "shanghai"]‘)

6、对筛选后的结果按prince进行求和

df_inner.query(‘city == ["beijing", "shanghai"]‘).price.sum()


七、数据汇总
主要函数是groupby和pivote_table
1、对所有的列进行计数汇总

df_inner.groupby(‘city‘).count()

2、按城市对id字段进行计数

df_inner.groupby(‘city‘)[‘id‘].count()

3、对两个字段进行汇总计数

df_inner.groupby([‘city‘,‘size‘])[‘id‘].count()

4、对city字段进行汇总，并分别计算prince的合计和均值

df_inner.groupby(‘city‘)[‘price‘].agg([len,np.sum, np.mean])

八、数据统计

数据采样，计算标准差，协方差和相关系数
1、简单的数据采样

df_inner.sample(n=3)


2、手动设置采样权重

weights = [0, 0, 0, 0, 0.5, 0.5]
df_inner.sample(n=2, weights=weights)

3、采样后不放回

df_inner.sample(n=6, replace=False)

4、采样后放回

df_inner.sample(n=6, replace=True)

5、 数据表描述性统计

df_inner.describe().round(2).T #round函数设置显示小数位，T表示转置


6、计算列的标准差

df_inner[‘price‘].std()

7、计算两个字段间的协方差

df_inner[‘price‘].cov(df_inner[‘m-point‘])

8、数据表中所有字段间的协方差

df_inner.cov()

9、两个字段的相关性分析

df_inner[‘price‘].corr(df_inner[‘m-point‘]) #相关系数在-1到1之间，接近1为正相关，接近-1为负相关，0为不相关

10、数据表的相关性分析

df_inner.corr()

九、数据输出

分析后的数据可以输出为xlsx格式和csv格式
1、写入Excel

df_inner.to_excel(‘excel_to_python.xlsx‘, sheet_name=‘bluewhale_cc‘)

2、写入到CSV

df_inner.to_csv(‘excel_to_python.csv‘)



版权声明：本文为CSDN博主「liufang0001」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/liufang0001/article/details/77856255