pandas常用函数

Posted 2020-12-29 hotsnow

关键词和导入

在这个速查卡中，我们会用到一下缩写：

df	二维的表格型数据结构DataFrame
s	一维数组Series

 

 

 

 

 

您还需要执行以下导入才能开始：

import pandas as pd

import numpy as np

 

 

导入数据

pd.read_csv(filename)	导入CSV文档
pd.read_table(filename)	导入分隔的文本文件 (如TSV)
pd.read_excel(filename)	导入Excel文档
pd.read_sql(query, connection_object)	读取SQL 表/数据库
pd.read_json(json_string)	读取JSON格式的字符串, URL或文件.
pd.read_html(url)	解析html URL，字符串或文件，并将表提取到数据框列表
pd.read_clipboard()	获取剪贴板的内容并将其传递给read_table（）
pd.DataFrame(dict)	从字典、列名称键、数据列表的值导入

 

 

 

 

 

 

 

 

 

 

 

输出数据

df.to_csv(filename)	写入CSV文件
df.to_excel(filename)	写入Excel文件
df.to_sql(table_name, connection_object)	写入一个SQL表
df.to_json(filename)	写入JSON格式的文件

 

 

 

 

创建测试对象

用于测试的代码

pd.DataFrame(np.random.rand(20,5))	5列、20行的随机浮动
pd.Series(my_list)	从可迭代的my_list创建一维数组
df.index=pd.date_range(‘1900/1/30‘, periods=df.shape[0])	添加日期索引

 

 

 

 

 

 

 

查看/检查数据

df.head(n)	数据框的前n行
df.tail(n)	数据框的后n行
df.shape()	行数和列数
df.info()	索引，数据类型和内存信息
df.describe()	数值列的汇总统计信息
s.value_counts(dropna=False)	查看唯一值和计数
df.apply(pd.Series.value_counts)	所有列的唯一值和计数

 

 

 

 

 

 

选择

df[col]	返回一维数组col的列
df[[col1, col2]]	作为新的数据框返回列
s.iloc[0]	按位置选择
s.loc[‘index_one‘]	按索引选择
df.iloc[0,:]	第一行
df.iloc[0,0]	第一列的第一个元素

 

 

 

 

 

 

数据清洗

df.columns = [‘a‘,‘b‘,‘c‘]	重命名列
pd.isnull()	检查空值，返回逻辑数组
pd.notnull()	与pd.isnull()相反
df.dropna()	删除包含空值的所有行
df.dropna(axis=1)	删除包含空值的所有列
df.dropna(axis=1,thresh=n)	删除所有小于n个非空值的行
df.fillna(x)	用x替换所有空值
s.fillna(s.mean())	将所有空值替换为均值（均值可以用统计部分中的几乎任何函数替换）
s.astype(float)	将数组的数据类型转换为float
s.replace(1,‘one‘)	将所有等于1的值替换为‘one‘
s.replace([1,3],[‘one‘,‘three‘])	将所有1替换为‘one‘，将3替换为‘three‘
df.rename(columns=lambda x: x + 1)	批量重命名列
df.rename(columns={‘old_name‘: ‘new_ name‘})	选择重命名
df.set_index(‘column_one‘)	更改索引
df.rename(index=lambda x: x + 1)	批量重命名索引

 

 

 

 

 

 

 

 

 

 

 

 

 

 

筛选，排序和分组

df[df[col] > 0.5]	col列大于0.5的行
df[(df[col] > 0.5) & (1.7)]	0.7> col> 0.5的行
df.sort_values(col1)	将col1按升序对值排序
df.sort_values(col2,ascending=False)	将col2按降序对值排序
df.sort_values([col1,ascending=[True,False])	将col1按升序排序，然后按降序排序col2
df.groupby(col)	从一列返回一组对象的值
df.groupby([col1,col2])	从多列返回一组对象的值
df.groupby(col1)[col2]	返回col2中的值的平均值，按col1中的值分组（平均值可以用统计部分中的几乎任何函数替换）
df.pivot_table(index=col1,values=[col2,col3],aggfunc=max)	创建一个数据透视表，按col1分组并计算col2和col3的平均值
df.groupby(col1).agg(np.mean)	查找每个唯一col1组的所有列的平均值
data.apply(np.mean)	在每个列上应用函数
data.apply(np.max,axis=1)	在每行上应用一个函数

 

 

 

 

 

 

 

 

 

 

 

加入/合并

df1.append(df2)	将df1中的行添加到df2的末尾（列数应该相同）
df.concat([df1, df2],axis=1)	将df1中的列添加到df2的末尾（行数应该相同）
df1.join(df2,on=col1,how=‘inner‘)	SQL类型的将df1中的列与df2上的列连接，其中col的行具有相同的值。 可以是“左”，“右”，“外”，“内”连接

 

 

 

 

 

统计

以下这些都可以应用于一个数组。

df.describe()	数值列的汇总统计信息
df.mean()	返回所有列的平均值
df.corr()	查找数据框中的列之间的相关性
df.count()	计算每个数据框的列中的非空值的数量
df.max()	查找每个列中的最大值
df.min()	查找每列中的最小值
df.median()	查找每列的中值
df.std()	查找每个列的标准差