Pandas必会的方法汇总，用Python做数据分析更加如鱼得水！（附代码）

Posted 2021-11-06 Python小二

编者荐语

用Python做数据分析光是掌握numpy和matplotlib可不够，Pandas是必须要掌握的一个重点，numpy虽然能够帮我们处理处理数值型数据，但是这还不够，很多时候，我们的数据除了数值之外，还有字符串，还有时间序列等。

来源 | AI算法与图像处理

今天来分享一些Pandas必会的用法，让你的数据分析水平更上一层楼。

一、Pandas两大数据结构的创建

序号	方法	说明
1	pd.Series(对象,index=[ ])	创建Series。对象可以是列表\\ndarray、字典以及DataFrame中的某一行或某一列
2	pd.DataFrame(data,columns = [ ],index = [ ])	创建DataFrame。columns和index为指定的列、行索引，并按照顺序排列

举例：用pandas创建数据表：

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

二、DataFrame常见方法

序号	方法	说明
1	df.head()	查询数据的前五行
2	df.tail()	查询数据的末尾5行
3	pandas.qcut()	基于秩或基于样本分位数将变量离散化为等大小桶
4	pandas.cut()	基于分位数的离散化函数
5	pandas.date_range()	返回一个时间索引
6	df.apply()	沿相应轴应用函数
7	Series.value_counts()	返回不同数据的计数值
8	df.reset_index()	重新设置index，参数drop = True时会丢弃原来的索引，设置新的从0开始的索引，常与groupby()一起用

举例：重新索引

df_inner.reset_index()

三、数据索引

序号	方法	说明
1	.values	将DataFrame转换为ndarray二维数组
2	.append(idx)	连接另一个Index对象，产生新的Index对象
3	.insert(loc,e)	在loc位置增加一个元素
4	.delete(loc)	删除loc位置处的元素
5	.union(idx)	计算并集
6	.intersection(idx)	计算交集
7	.diff(idx)	计算差集，产生新的Index对象
8	.reindex(index, columns ,fill_value, method, limit, copy )	改变、重排Series和DataFrame索引，会创建一个新对象，如果某个索引值当前不存在，就引入缺失值。
9	.drop()	删除Series和DataFrame指定行或列索引。
10	.loc[行标签，列标签]	通过标签查询指定的数据，第一个值为行标签，第二值为列标签。
11	df.iloc[行位置，列位置]	通过默认生成的数字索引查询指定的数据。

举例：按索引提取单行的数值

df_inner.loc[3]

四、DataFrame选取和重新组合数据的方法

序号	方法	说明
1	df[val]	从DataFrame选取单列或一组列；在特殊情况下比较便利：布尔型数组（过滤行）、切片（行切片）、或布尔型DataFrame（根据条件设置值）
2	df.loc[val]	通过标签，选取DataFrame的单个行或一组行
3	df.loc[：,val]	通过标签，选取单列或列子集
4	df.1oc[val1,val2]	通过标签，同时选取行和列
5	df.iloc[where]	通过整数位置，从DataFrame选取单个行或行子集
6	df.iloc[where_i,where_j]	通过整数位置，同时选取行和列
7	df.at[1abel_i,1abel_j]	通过行和列标签，选取单一的标量
8	df.iat[i,j]	通过行和列的位置（整数），选取单一的标量
9	reindex	通过标签选取行或列
10	get_value	通过行和列标签选取单一值
11	set_value	通过行和列标签选取单一值

举例：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。

五、排序

序号	函数	说明
1	.sort_index(axis=0, ascending=True)	根据指定轴索引的值进行排序
2	Series.sort_values(axis=0, ascending=True)	只能根据0轴的值排序。
3	DataFrame.sort_values(by, axis=0, ascending=True)	参数by为axis轴上的某个索引或索引列表。

举例：按照索引列排序

df_inner.sort_index()

六、相关分析和统计分析

序号	方法	说明
1	.idxmin()	计算数据最小值所在位置的索引（自定义索引）
2	.idxmax()	计算数据最大值所在位置的索引（自定义索引）
3	.argmin()	计算数据最小值所在位置的索引位置（自动索引）
4	.argmax()	计算数据最大值所在位置的索引位置（自动索引）
5	.describe()	针对各列的多个统计汇总，用统计学指标快速描述数据的概要
6	.sum()	计算各列数据的和
7	.count()	非NaN值的数量
8	.mean( )	计算数据的算术平均值
9	.median()	计算算术中位数
10	.var()	计算数据的方差
11	.std()	计算数据的标准差
12	.corr()	计算相关系数矩阵
13	.cov()	计算协方差矩阵
14	.corrwith()	利用DataFrame的corrwith方法，可以计算其列或行跟另一个Series或DataFrame之间的相关系数。
15	.min()	计算数据的最小值
16	.max()	计算数据的最大值
17	.diff()	计算一阶差分，对时间序列很有效
18	.mode()	计算众数，返回频数最高的那（几）个
19	.mean()	计算均值
20	.quantile()	计算分位数（0到1）
21	.isin()	用于判断矢量化集合的成员资格，可用于过滤Series中或DataFrame列中数据的子集
22	.unique()	返回一个Series中的唯一值组成的数组。
23	.value_counts()	计算一个Series中各值出现的频率。

举例：判断city列的值是否为北京

df_inner['city'].isin(['beijing'])

七、分组的方法

序号	方法	说明
1	DataFrame.groupby()	分组函数
2	pandas.cut()	根据数据分析对象的特征，按照一定的数值指标，把数据分析对象划分为不同的区间部分来进行研究，以揭示其内在的联系和规律性。

举例：.groupby用法

group_by_name=salaries.groupby('name') 
print(type(group_by_name))

输出结果为：

<class 'pandas.core.groupby.DataFrameGroupBy'>

八、读写文本格式数据的方法

序号	方法	说明
1	read_csv	从文件、URL、文件型对象中加载带分隔符的数据。默认分隔符为逗号
2	read_table	从文件、URL、文件型对象中加载带分隔符的数据。默认分隔符为制表符（t）
3	read_ fwf	读取定宽列格式数据（也就是说，没有分隔符）
4	read_clipboard	读取剪贴板中的数据，可以看做read_table的剪贴板版。再将网页转换为表格时很有用
5	read_excel	从ExcelXLS或XLSXfile 读取表格数据
6	read_hdf	读取pandas写的HDF5文件
7	read_html	读取HTML文档中的所有表格
8	read_json	读取JSON字符串中的数据
9	read_msgpack	二进制格式编码的pandas数据
10	read_pickle	读取Python pickle格式中存储的任意对象
11	read_sas	读取存储于SAS系统自定义存储格式的SAS数据集
12	read_sql	读取SQL 查询结果为pandas的DataFrame
13	read_stata	读取Stata文件格式的数据集
14	read_feather	读取 Feather二进制文件格式

举例：导入CSV或者xlsx文件

df = pd.DataFrame(pd.read_csv('name.csv',header=1))
df = pd.DataFrame(pd.read_excel('name.xlsx'))

九、处理缺失数据

序号	方法	说明
1	.fillna(value,method,limit,inplace)	填充缺失值
2	.dropna()	删除缺失数据
3	.info()	查看数据的信息，包括每个字段的名称、非空数量、字段的数据类型
4	.isnull()	返回一个同样长度的值为布尔型的对象（Series或DataFrame），表示哪些值是缺失的

举例：查看数据表基本信息（维度、列名称、数据格式等等）

df.info()

十、数据转换

序号	方法	说明
1	.replace(old, new)	用新的数据替换老的数据，如果希望一次性替换多个值，old和new可以是列表。默认会返回一个新的对象，传入inplace=True可以对现有对象进行就地修改。
2	.duplicated()	判断各行是否是重复行，返回一个布尔型Series。
3	.drop_duplicates()	删除重复行，返回删除后的DataFrame对象。

举例：删除后出现的重复值：

df['city'].drop_duplicates()

结语

文章中总结的是都是一些Pandas常用的方法，至于一些基础的概念还需要你学到Pandas的时候去理解，例如Series是什么？DataFrame是什么？如果你已经清楚了Pandas的这些基础东西之后，搭配上文章中的这些方法，那你用Pandas去做数据处理和分析必然会游刃有余。