pandas 学习笔记

读者只需浏览一下本文的目录结构，我相信就已经掌握了1到2成的 pandas 知识。

本文的目的是建立一个大概的知识结构

在数据挖掘python阅读源码时，断断续续查阅了些 pandas 资料，并在源码中大致感受到了 pandas 在数据清理方面的方便性。

先将自己查阅的资料结合实际应用中常用到的方式，以学习笔记的形式整理出来。不会涉及到 pandas 的所有方面，细节知识还需自行查阅官方文档。

---

数据结构

• Series: 一维数组，与Numpy中的一维array类似。二者与Python基本的数据结构List也很相近，其区别是：List中的元素可以是不同的数据类型，而Array和Series中则只允许存储相同的数据类型，这样可以更有效的使用内存，提高运算效率。
• DataFrame：二维的表格型数据结构。很多功能与R中的data.frame类似。可以将DataFrame理解为Series的容器。以下的内容主要以DataFrame为主。
• Panel: 三维数组，可以理解为DataFrame的容器。

---

数据操作

一般操作

1. head和tail方法可以显示DataFrame前N条和后N条记录，N为对应的参数，默认值为5。

2. index（行）和columns（列）属性，可以获得DataFrame的行和列的标签。这也是了解数据内容和含义的重要步骤。

3. decribe方法可以计算各个列的基本描述统计值。包含计数，平均数，标准差，最大值，最小值及4分位差。

4. T 方法可以对数据进行转置

排序操作

• df.sort_index(axis=1, ascending=False)

  sort_index可以以轴的标签进行排序。axis是指用于排序的轴，可选的值有0和1，默认为0即行标签（Y轴），1为按照列标签排序。 ascending是排序方式，默认为True即降序排列。

• df.sort(columns=[‘one’,’two’],ascending=[0,1])

  DataFrame也提供按照指定列进行排序，可以仅指定一个列作为排序标准（以单独列名作为columns的参数），也可以进行多重排序（columns的参数为一个列名的List，列名的出现顺序决定排序中的优先级），在多重排序中ascending参数也为一个List，分别与columns中的List元素对应。

读写文件操作

这里仅介绍读csv格式数据，对于excel数据，请查阅其他资料

• 读

  df = pd.read_csv('data.csv')
  

• 写

  df.to_csv('data.csv')
  

---

数据选择

• 选择一个单独的列df['a'] 等同于 df.a

• 通过[]进行选择，这将会对行进行切片：df[0:3]

• 使用标签选取数据：

  df.loc[行标签,列标签]
  df.loc['a':'b']#选取ab两行数据
  df.loc[:,'one']#选取one列的数据
  

  df.loc的第一个参数是行标签，第二个参数为列标签（可选参数，默认为所有列标签），两个参数既可以是列表也可以是单个字符，如果两个参数都为列表则返回的是DataFrame，否则，则为Series。

• 使用位置选取数据：

  df.iloc[行位置,列位置]
  df.iloc[1,1]#选取第二行，第二列的值，返回的为单个值
  df.iloc[0,2],:]#选取第一行及第三行的数据
  df.iloc[0:2,:]#选取第一行到第三行（不包含）的数据
  df.iloc[:,1]#选取所有记录的第一列的值，返回的为一个Series
  df.iloc[1,:]#选取第一行数据，返回的为一个Series
  

• 通过逻辑指针进行数据切片：

  df[逻辑条件]
  df[df.one>=2]#单个逻辑条件
  df[(df.one>=1) & (df.one<3) ]#多个逻辑条件组合
  

  这种方式获得的数据切片都是DataFrame。

---

缺失处理

• df.dropna(how='any') 会去掉缺失值的行
• df.fillna(value=) 对缺失值进行填充

---

基本运算

• df.mean()#计算列的平均值，参数为轴，可选值为0或1.默认为0，即按照列运算
• df.sum(1)#计算行的和
• df.apply(lambda x: x.max() - x.min())#将一个函数应用到DataFrame的每一列，这里使用的是匿名lambda函数，与R中apply函数类似

---

DataFrame合并

Contact

---

参考资料

[pandas 官方文档]((http://pandas.pydata.org/)

十分钟搞定 pandsa