Python中Pandas常用函数及案例详解

7. 使用value\_counts()查看值的分布

查看某一列中不同值的计数

print(df[‘A’].value_counts())

8. 使用unique()查看唯一值

查看某一列中唯一的出现的值

print(df[‘A’].unique())

9. 使用duplicated()检查重复值

检查DataFrame中的重复行

print(df.duplicated())

检查DataFrame中没有重复行

print(~df.duplicated())

10. 使用sort\_values()对数据进行排序

对某一列进行升序排序

print(df.sort_values(by=‘A’))

对某一列进行降序排序

print(df.sort_values(by=‘A’, ascending=False))

通过这些方法，可以快速地了解和检查DataFrame中的数据，帮助我们在进行数据处理之前对数据有一个基本的认识。


**第四、数据选取**


在Pandas中，数据选取是通过索引来实现对DataFrame或Series中数据的选择。索引可以是标签（label-based）或整数（integer-based）。以下是一些常用的数据选取方法：


1. 使用标签索引（Label-based Indexing）

import pandas as pd

创建一个DataFrame

df = pd.DataFrame({
‘A’: [1, 2, 3, 4, 5],
‘B’: [6, 7, 8, 9, 10],
‘C’: [11, 12, 13, 14, 15]
})

使用列标签名称选取整列数据

print(df[‘A’])

使用列标签名称和行标签选取单个值

print(df.loc[0, ‘A’])

使用行标签列表和列标签名称选取多个值

print(df.loc[[0, 2], [‘A’, ‘C’]])

使用布尔索引选取满足条件的数据

print(df[df[‘A’] > 2])

2. 使用整数索引（Integer-based Indexing）

使用整数索引选取单个值

print(df.iloc[0])

使用整数索引选取单个列

print(df.iloc[:, 0])

使用整数索引和布尔索引选取满足条件的数据

print(df.iloc[df[‘A’] > 2, :])

使用整数索引和切片选取数据

print(df.iloc[0:3, 1:3])

3. 使用行和列的混合格式索引

使用行列混合格式索引选取数据

print(df.loc[0:2, ‘A’:‘C’])

使用行列混合格式索引和布尔索引选取数据

print(df.loc[df[‘A’] > 2, ‘A’:‘C’])

4. 使用at()和iat()选取单个值

使用at()根据行标签和列标签选取单个值

print(df.at[0, ‘A’])

使用iat()根据整数索引选取单个值

print(df.iat[0, 0])

5. 使用query()方法查询数据

使用query()方法查询满足条件的数据

print(df.query(‘A > 2’))

6. 使用xs()方法跨越多级索引选取数据

使用xs()方法选取某列或某行

print(df.xs(2, level=‘A’)) # 选取