Pandas的22种核心操作

基本数据集操作

1. 读取CSV格式的数据集

pd.DataFrame.from_csv("csv_file")
pd.read_csv("csv_file")

2. 读取excel数据集

pd.read_excel("excel_file")

3. 将DataFrame直接写入CSV文件

df.to_csv("data.csv", sep=",", index=False)

4. 基本的数据集特征信息

df.info()

5. 基本的数据集统计信息

df.describe()

6. 将 DataFrame 打印成表格的样子

print(tabulate(print_table, headers=headers))

7. 列出所有列的名字

df.colums

基本数据处理

8. 删除缺失数据

df.fropna(axis=0, how='any')

9. 替换缺失数据

df.replace(to_replace=None, value=None)

10. 检查空值 NaN

pd.isnull(object)

11. 删除特征

df.drop('feature_variable_name', axis=1)
axis=1表示列
axis=0表示行

12. 将目标类型转换为浮点型

pd.to_numeric(df["feature_name"], error='coerce')

13. 将DataFrame转换为NumPy数组

df.as_matrix()

14. 取 DataFrame 的前面「n」行

df.head(n)

15. 通过特征名取数据

df.loc[feature_name]

DataFrame操作

16. 对 DataFrame 使用函数]

def multiply(x):
	return x*2
df["height"].apply(multiply)

17. 重命名行

df.rename(columns = {df.columns[2]:'size'}, inplace=True)

18. 子DataFrame

new_df = df[["name", "size"]]

19. 总结数据

df.sum()
df.min()
df.max()
df.idxmin()
df.idxmax()
df.mean()
df.median()
df.corr()
df["size"].median()

20. 排序

df.sort_values(ascending=False)

21. 布尔型索引

df[df["size"] == 5]

22. 按行、列取值

df.loc([0], ['size'])