python进阶--pandas基本功能

Posted 2021-09-11 文仙草

一、调用pandas

• import pandas：导入pandas包，后续代码就可以使用pandas包里定义好的功能了。
• import pandas as pd:
  相当于将pandas包重命名为pd，这样之后使用pandas包的功能的时候，直接写pd，而不需要写pandas，更省事。

二、打开和保存文件

• pd.read_csv(filepath)

import pandas as pd

filepath = 'E:\\\\python\\\\test.csv'
df = pd.read_csv(filepath)

• pd.read_xlsx(filepath)

import pandas as pd

filepath = 'E:\\\\python\\\\test.xlsx'
df = pd.read_xlsx(filepath)

• df.to_csv(filepath&name)
  将文件保存为csv格式，注意不要忘记写后缀。

df.to_csv('new_file.csv')
df.to_csv('E:\\\\python\\\\new_file.csv')

三、初查数据

• df.head(): 展示前五行数据
• df[‘name’].unique(): 剔除该列数据的重复项。

四、创建DataFrame

• 将字典变成DataFrame结构：key是列名，value是每列数值 python student = {'name': ['Eva', 'Bob', 'John','Cathy', 'Kate'], 'age': ['15', '16', '15','17','16'], 'gender': ['f', 'm', 'f', 'f', 'm']} student_df = pd.DataFrame(student)

五、常用方法

（一）从DataFrame结构的数据中选取一列数据

1. 直接选取，Series格式：df[‘列名’] （注意：是一个方括号）
   

   2. 按dataframe格式：df[[‘列名’]] （注意：是两个方括号）
      

（二）从DataFrame结构的数据中选取多列数据

格式：df[[‘列名1’,‘列名2’,‘列名3’]] ，注意是两个方括号

如果只有一个方括号会报错

（三）获取第n行、第m列单元格的数值

1. 用数字定位：df.iloc[n,m]
   注意：标题列不算行数，行数据和列数据的序号n、m均从0开始，所以获取第一行、第一列单元格数据时，应该是df.iloc[0,0]
   

2）用列名定位获取数据
获取第二行中’Artist‘列的数据（注意，此处的第二行是指实际数据的第二行，而其行序号为1），如图

（四）获取多行多列数据（数据切片)

1. 用序号：df.iloc[i:j, n:m]
   例如获取第1到2行、1到3列的数据，如下图:
   
   上图获取的数据在整个数据表中的位置如下图：

2. 用列名: df.loc[i:j, ‘列名’:‘列名’]

.loc与.iloc对行数据切片的不同之处，需特别注意！！ df.loc[i:j]是获取行序号从第i行到第j行；而在使用df.iloc[i:j]时获取第i行到第j-1行数据。

如下图，df.loc[0:2, :]获取了前三行数据，而上面df.iloc[0:2,:]获取了前两行数据。

（三）选择列数据满足特定要求的行数据

df1 = df[df[‘gender’] = ‘f’]: 满足条件的返回True, 反之返回False; 为True的行被选中，为False的行被剔除。 df2 = df[df[‘age’]>16]