从Excel到Python：最常用的36个Pandas函数，2024年最新一线互联网架构师设计思想解读开源框架

先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新Python全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上Python知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以添加V获取：vip1024c （备注Python）

正文

2 guangzhou

3 shenzhen

4 shanghai

Name: city, dtype: object

设置keep='last‘’参数后，与之前删除重复值的结果相反，第一位 出现的beijing被删除

#删除先出现的重复值

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

1 sh

2 guangzhou

3 shenzhen

4 shanghai

5 beijing

Name: city, dtype: objec

7.数值修改及替换

Excel中使用“查找和替换”功能就可以实现数值的替换

Python中使用replace函数实现数据替换

#数据替换

df[‘city’].replace(‘sh’, ‘shanghai’)

0 beijing

1 shanghai

2 guangzhou

3 shenzhen

4 shanghai

5 beijing

Name: city, dtype: object

数据预处理

---

本章主要讲的是数据的预处理，对清洗完的数据进行整理以便后期的统计和分析工作。主要包括数据表的合并，排序，数值分列，数据分组及标记等工作。

1.数据表合并

在Excel中没有直接完成数据表合并的功能，可以通过VLOOKUP函数分步实现。在Python中可以通过merge函数一次性实现。

#建立df1数据表

df1=pd.DataFrame({“id”:[1001,1002,1003,1004,1005,1006,1007,1008],

“gender”:[‘male’,‘female’,‘male’,‘female’,'male

',‘female’,‘male’,‘female’],

“pay”:[‘Y’,‘N’,‘Y’,‘Y’,‘N’,‘Y’,‘N’,‘Y’,],

“m-point”:[10,12,20,40,40,40,30,20]})

使用merge函数对两个数据表进行合并，合并的方式为inner，将 两个数据表中共有的数据匹配到一起生成新的数据表。并命名为 df_inner。

#数据表匹配合并

df_inner=pd.merge(df,df1,how=‘inner’)

合并的方式还有left，right和outer方式

df_left=pd.merge(df,df1,how=‘left’)

df_right=pd.merge(df,df1,how=‘right’)

df_outer=pd.merge(df,df1,how=‘outer’)

2.设置索引列

索引列可以进行数据提取，汇总，数据筛选

#设置索引列

df_inner.set_index(‘id’)

3.排序(按索引，按数值)

Excel中可以通过数据目录下的排序按钮直接对数据表进行排 序

Python中需要使用ort_values函数和sort_index函数完成排序

#按特定列的值排序

df_inner.sort_values(by=[‘age’])

Sort_index函数用来将数据表按索引列的值进行排序。

#按索引列排序

df_inner.sort_index()

4.数据分组

Excel中可以通过VLOOKUP函数进行近似匹配来完成对数值的分组，或者使用“数据透视表”来完成分组

Python中使用Where函数用来对数据进行判断和分组

#如果price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

')

还可以对多个字段的值进行判断后对数据进行分组，下面的代码中对city列等于beijing并且price列大于等于4000的数据标记为1。

#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

5.数据分列

Excel中的数据目录下提供“分列”功能。

在Python中使用split函数实现分列在数据表中category列中的数据包含有两个信息，前面的数字为类别id，后面的字母为size值。中间以连字符进行连接。我们使用split函数对这个字段进行拆分，并将拆分后的数据表匹配回原数据表中。

#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=d

f_inner.index,columns=[‘category’,‘size’])

#将完成分列后的数据表与原df_inner数据表进行匹配

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

e)

数据提取

---

1.按标签提取(loc)

#按索引提取单行的数值

df_inner.loc[3]

id 1004

date 2013-01-05 00:00:00

city shenzhen

category 110-C

age 32

price 5433

gender female

m-point 40

pay Y

group high

sign NaN

category_1 110

size C

Name: 3, dtype: object

使用冒号可以限定提取数据的范围，冒号前面为开始的标签值后面为结束的标签值。

#按索引提取区域行数值

df_inner.loc[0:5]

Reset_index函数用于恢复索引，这里我们重新将date字段的日期 设置为数据表的索引，并按日期进行数据提取。

#重设索引

df_inner.reset_index()

#设置日期为索引

df_inner=df_inner.set_index(‘date’)

#提取4日之前的所有数据

df_inner[:‘2013-01-04’]

2.按位置提取(iloc)

使用iloc函数按位置对数据表中的数据进行提取，这里冒号前后 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。

#使用iloc按位置区域提取数据

df_inner.iloc[:3,:2]

iloc函数除了可以按区域提取数据，还可以按位置逐条提取

#使用iloc按位置单独提取数据

df_inner.iloc[[0,2,5],[4,5]]

前面方括号中的0,2,5表示数据所在行的位置，后面方括号中的数表示所在列的位置。

3.按标签和位置提取（ix）

ix是loc和iloc的混合，既能按索引标签提取，也能按位置进行数 据提取.

#使用ix按索引标签和位置混合提取数据

df_inner.ix[:‘2013-01-03’,:4]

4.按条件提取（区域和条件值）

使用loc和isin两个函数配合使用，按指定条件对数据进行提取

#判断city列的值是否为beijing

df_inner[‘city’].isin([‘beijing’])

date

2013-01-02 True

2013-01-05 False

2013-01-07 True

2013-01-06 False

2013-01-03 False

2013-01-04 False

Name: city, dtype: bool

将isin函数嵌套到loc的数据提取函数中，将判断结果为Ture数据 提取出来。这里我们把判断条件改为city值是否为beijing和shanghai。如果是就把这条数据提取出来。

#先判断city列里是否包含beijing和shanghai，然后将复合条件的数据提取出来。

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

数据筛选

---

按条件筛选（与、或、非）

Excel数据目录下提供了“筛选”功能，用于对数据表按不同的条 件进行筛选。

Python中使用loc函数配合筛选条件来完成筛选功能。配合sum和count函数还能实现Excel中sumif和countif函数的功能。使用“与”条件进行筛选，条件是年龄大于25岁，并且城市为 beijing。

#使用“与”条件进行筛选

df_inner.loc[(df_inner[‘age’] > 25) & (df_inner[‘city’] == 'beiji

ng’), [‘id’,‘city’,‘age’,‘category’,‘gender’]]/

#使用“或”条件筛选

df_inner.loc[(df_inner[‘age’] > 25) | (df_inner[‘city’] == 'beiji

ng’), [‘id’,‘city’,‘age’,‘category’,‘gender’]].sort([‘age’])

#使用“非”条件进行筛选

df_inner.loc[(df_inner[‘city’] != ‘beijing’), [‘id’,‘city’,‘age’,

‘category’,‘gender’]].sort([‘id’])

在前面的代码后面增加city列，并使用count函数进行计数。相当于Excel中的countifs函数的功能

#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()

还有一种筛选的方式是用query函数

#使用query函数进行筛选

df_inner.query(‘city == [“beijing”, “shanghai”]’)

在前面的代码后增加price字段和sum函数。对筛选后的price字段 进行求和，相当于Excel中的sumifs函数的功能。

#对筛选后的结果按price进行求和

df_inner.query(‘city == [“beijing”, “shanghai”]’).price.sum()

12230

数据汇总

---

Excel中使用分类汇总和数据透视可以按特定维度对数据进行汇总，Python中使用的主要函数是groupby和pivot_table。

1.分类汇总

#对所有列进行计数汇总

df_inner.groupby(‘city’).count()/

#对特定的ID列进行计数汇总

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

city

beijing 2

guangzhou 1

shanghai 2

shenzhen 1

Name: id, dtype: int64

#对两个字段进行汇总计数

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

city size

beijing A 1

F 1

guangzhou A 1

shanghai A 1

B 1

shenzhen C 1

Name: id, dtype: int64

还可以对汇总后的数据同时按多个维度进行计算

#对city字段进行汇总并计算price的合计和均值。

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

2.数据透视

Python中通过pivot_table函数实现同样的效果

#设定city为行字段，size为列字段，price为值字段。

分别计算price的数量和金额并且按行与列进行汇总。

pd.pivot_table(df_inner,index=[“city”],values=[“price”],columns=[

“size”],aggfunc=[len,np.sum],fill_value=0,margins=True)

数据统计

---

1.数据采样

Excel的数据分析功能中提供了数据抽样的功能

Python通过sample函数完成数据采样

#简单的数据采样

df_inner.sample(n=3)

Weights参数是采样的权重，通过设置不同的权重可以更改采样的结果

#手动设置采样权重

weights = [0, 0, 0, 0, 0.5, 0.5]

df_inner.sample(n=2, weights=weights)

Sample函数中参数replace，用来设置采样后是否放回

#采样后不放回

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

#采样后放回

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

2.描述统计

Python中可以通过Describe对数据进行描述统计

#数据表描述性统计

df_inner.describe().round(2).T

3.相关分析

Python中则通过corr函数完成相关分析的操作，并返回相关系数。

#相关性分析

df_inner[‘price’].corr(df_inner[‘m-point’])

0.77466555617085264

#数据表相关性分析

df_inner.corr()

数据输出

---

1.写入Excel

#在学习Python的过程中，往往因为没有资料或者没人指导从而导致自己不想学下去了，因此我特意准备了个群 592539176 ，群里有大量的PDF书籍、教程都给大家免费使用！不管是学习到哪个阶段的小伙伴都可以获取到自己相对应的资料！

#输出到Excel格式

感谢每一个认真阅读我文章的人，看着粉丝一路的上涨和关注，礼尚往来总是要有的：

①　2000多本Python电子书（主流和经典的书籍应该都有了）

②　Python标准库资料（最全中文版）

③　项目源码（四五十个有趣且经典的练手项目及源码）

④　Python基础入门、爬虫、web开发、大数据分析方面的视频（适合小白学习）

⑤ Python学习路线图（告别不入流的学习）

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加V获取：vip1024c （备注python）

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
er.corr()

数据输出

---

1.写入Excel

#在学习Python的过程中，往往因为没有资料或者没人指导从而导致自己不想学下去了，因此我特意准备了个群 592539176 ，群里有大量的PDF书籍、教程都给大家免费使用！不管是学习到哪个阶段的小伙伴都可以获取到自己相对应的资料！

#输出到Excel格式

感谢每一个认真阅读我文章的人，看着粉丝一路的上涨和关注，礼尚往来总是要有的：

①　2000多本Python电子书（主流和经典的书籍应该都有了）

②　Python标准库资料（最全中文版）

③　项目源码（四五十个有趣且经典的练手项目及源码）

④　Python基础入门、爬虫、web开发、大数据分析方面的视频（适合小白学习）

⑤ Python学习路线图（告别不入流的学习）

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加V获取：vip1024c （备注python）
[外链图片转存中…(img-aV2rCSaI-1713229176607)]

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！