Pandas常用函数合集

1.读取文件

导入函数包import pandas as pd

读取.csv文件：

data = pd.read_csv("文件路径")

data = pd.read_csv("文件路径",index_col=0)，这里的index_col=0是以第一列为索引，便于后续针对该列进行操作，例如

scp = pd.read_csv(r'文件路径',index_col=0)
if key in scp.index:
    conclution['scp_statements'].append(scp.loc[key].to_dict())
    # 这里是对符合条件的key提取index_col为某值的这一行的数值，并转为字典的形式。

2.Pandas改变某列符合条件的数值，loc函数

data.loc[data["列名"].isin([0],'列名')] = 1

即将data文件中名为“列名”的列中为0的数值全改为数值1，该方法也可用于非数值的字符串等。

3.Pandas改变列名

data.rename(columns={'sex':'gender','Age':'age'},inplace=True)

即将data文件中原列名为'sex'和'Age'改为'gender'和'age'

4.Pandas添加新列

a = [1,2,3,4,5,6]
data['A'] = a 

即对data文件新创建了一列，列名为'A'，该列的内容为列表a

5.Pandas对列名排序

order = ['subject_id','age','height','weight','gender']
data = data[order]

 即对data文件的列按照order中字符串的顺序进行排序

6.Pandas保存文件

data.to_csv(r'保存文件的路径',index=True,index_label='data_id')

index=True即保存文件时在第一列生成序号，若不想要可以改为False;index_label='data_id'即把生成序号的那一列列名名为'data_id'

7.Pandas将某几列保存为字典的格式

columns_to_dict = [
        'heart_axis', 
        'infarction_stadium1', 
        'infarction_stadium2', 
        'baseline_drift']
    # 创建一个新列 'measurement' 存储字典形式的数据
data['measurement'] = data[columns_to_dict].apply(lambda row: row.dropna().to_dict(), axis=1)
    # print(ptbxl['measurement'])

8.Pandas统计文件中某列类别的个数

先读取文件，再输入以下函数

data = pd.read_csv(r'文件路径')
print(data['patient_id'].value_counts())

即打印出了data文件中patient_id列中各个类别出现的个数

若想保存上述数据，则输入

value_counts_df = data['patient_id'].value_counts().reset_index()
value_counts_df.columns = ['patient_id', 'count']

# 将DataFrame保存为CSV文件
value_counts_df.to_csv('patient_id_counts.csv', index=False)

value_counts()的值就是patient_id的计数，索引是patient_id的唯一值;reset_index()将索引转换为一列;columns给两列命名，分别是patient_id和count;使用to_csv()方法将DataFrame保存为CSV文件，index=False表示不保存DataFrame的索引到CSV文件中

未完待续。。。