数据处理包Pandas常用语句

转自Bryan的博客

# coding=gbk  
''''' 
Created on 2016年6月1日 

@author: bryan 
'''  
import pandas as pd  
import numpy as np  
import matplotlib.pyplot as plt  
# 1、可以通过传递一个list对象来创建一个Series,pandas会默认创建整型索引:  
# s=pd.Series([1,3,5,np.nan,6,8])  
# print(s)  
#   
# # 2、通过传递一个numpy array,时间索引以及列标签来创建一个DataFrame:  
# dates=pd.date_range('20130101',periods=6)  
# print(dates)  
# df=pd.DataFrame(np.random.randn(6,4),index=dates,columns=list('ABCD'))  
# print(df)  
#   
# # 3、通过传递一个能够被转换成类似序列结构的字典对象来创建一个DataFrame:  
# df2=pd.DataFrame({'A':1,'B':pd.Timestamp('20130102'),  
#                   'C':pd.Series(1,index=list(range(4)),dtype='float32'),  
#                   'D':np.array([3]*4,dtype='int32'),  
#                   'E':pd.Categorical(['test','train','test','train']),  
#                   'F':'fool'  
#                   })  
# print(df2)  
# # 4、查看不同列的数据类型:  
# print(df2.dtypes)  
#   
#   
#   
#   
# # 1、  查看frame中头部和尾部的行:  
# print(df.head(1))  
# print(df.tail(1))  
#   
# # 2、  显示索引、列和底层的numpy数据:  
# print(df.index)  
# print(df.columns)  
# print(df.values)  
#   
# # 3、  describe()函数对于数据的快速统计汇总:  
# print(df.describe())  
#   
# # 4、  对数据的转置:  
# print(df.T)  
#   
# # 5、  按轴进行排序  
# print(df.sort_index(axis=1,ascending=False))  
#   
# # 6、  按值进行排序  
# print(df.sort(columns='B'))  
#   
#   
#   
#   
#   
# # l  获取  
# #   
# # 1、 选择一个单独的列,这将会返回一个Series,等同于df.A:  
# print(df['A'])  
#   
# # 2、 通过[]进行选择,这将会对行进行切片  
# print(df[:3]) # 其中0可以省略 print(df[0:3])  
#   
# # l  通过标签选择  
# #   
# # 1、 使用标签来获取一个交叉的区域  
# print(df.loc[dates[0]])  
#   
# # 2、 通过标签来在多个轴上进行选择  
# print(df.loc[:,['A','B']])  
#   
# # 3、 标签切片  
# print(df.loc['20130102':'20130104',['A','B']])  
#   
# # 4、 对于返回的对象进行维度缩减  
# print(df.loc['20130101',['A','B']])  
#   
# # 5、 获取一个标量  
# print(df.loc[dates[0],'A'])  
#   
# # 6、 快速访问一个标量(与上一个方法等价)  
# print(df.at[dates[0],'A'])  
#   
# # l  通过位置选择  
# #   
# # 1、 通过传递数值进行位置选择(选择的是行)  
# print(df.iloc[3])  
#   
# # 2、 通过数值进行切片,与numpy/python中的情况类似  
# print(df.iloc[3:5,0:2])  
#   
# # 3、 通过指定一个位置的列表,与numpy/python中的情况类似  
# print(df.iloc[[1,2,4],[0,2]])  
#   
# # 4、 对行进行切片  
# print(df.iloc[1:3,:])  
#   
# # 5、 对列进行切片  
# print(df.iloc[:,1:3])  
#   
# # 6、 获取特定的值  
# print(df.iloc[1,1])  
#   
# # l  布尔索引  
# #   
# # 1、 使用一个单独列的值来选择数据:  
# print(df[df.A>0])  
#   
# # 2、 使用where操作来选择数据:  
# print(df[df>0])  
#   
# # 3、 使用isin()方法来过滤:  
# df2=df.copy()  
# df2['E']=['one','one','one','one','one','two']  
# print(df2)  
#   
# # l  设置  
# #   
# # 1、 设置一个新的列:  
# s1=pd.Series([1,2,3,4,5,6],index=pd.date_range('20130101', periods=6))  
#   
# print(s1)  
# df['F']=s1  
# print(df)  
#   
# # 2、 通过标签设置新的值:  
# df.at[dates[0],'A']=0  
# print(df)  
#   
# # 3、 通过位置设置新的值:  
# df.iat[0,1]=0  
# print(df)  
#   
# # 4、 通过一个numpy数组设置一组新值:  
# df.loc[:,'D']=np.array([5]*len(df))  
# print(df)  
#   
# # 5、 通过where操作来设置新的值:  
# df2=df.copy()  
# df2[df2>0]=-df2  
# print(df2)  
#   
#   
#   
#   
#   
#   
#   
# # 四、            缺失值处理  
# # 在pandas中,使用np.nan来代替缺失值,这些值将默认不会包含在计算中,详情请参阅:Missing Data Section。  
# #   
# # 1、  reindex()方法可以对指定轴上的索引进行改变/增加/删除操作,这将返回原始数据的一个拷贝:、  
#   
# df1=df.reindex(index=dates[0:4],columns=list(df.columns)+['E'])  
# print(df1)  
#   
# # 2、  去掉包含缺失值的行:  
# # df1.dropna(how='any',inplace=True)  
# # print(df1)  
#   
# # 3、  对缺失值进行填充:  
# # df1=df1.fillna(value=5)  
# # print(df1)  
#   
# # 4、  对数据进行布尔填充:  
# # print(pd.isnull(df1))  
#   
#   
#   
#   
# # 五、            相关操作  
# # 详情请参与 Basic Section On Binary Ops  
# #   
# # l  统计(相关操作通常情况下不包括缺失值)  
# #   
# # 1、  执行描述性统计:  
# print(df.mean())  
#   
# # 2、  在其他轴上进行相同的操作:  
# print(df.mean(1))  
#   
# # 3、  对于拥有不同维度,需要对齐的对象进行操作。Pandas会自动的沿着指定的维度进行广播:  
# s=pd.Series([1,3,5,np.nan,6,8],index=dates).shift(2)  
# print(s)  
#   
#   
# # l  Apply  
# #   
# # 1、  对数据应用函数:  
# print(df.apply(np.cumsum))  
# print(df.apply(lambda x:x.max()-x.min()))  
#   
# # l  直方图  
#   
# # 具体请参照:Histogramming and Discretization  
#   
# s=pd.Series(np.random.randint(0,7,size=10))  
# print(s)  
#   
# print(s.value_counts())  
#   
# # l  字符串方法  
# #   
# # Series对象在其str属性中配备了一组字符串处理方法,可以很容易的应用到数组中的每个元素  
# s=pd.Series(['A','B','C','Bcaa',np.nan,'CBA','dog','cat'])  
# print(s.str.lower())  




# 六、            合并  
# Pandas提供了大量的方法能够轻松的对Series,DataFrame和Panel对象进行各种符合各种逻辑关系的合并操作。具体请参阅:Merging section  
#   
# l  Concat  

# df=pd.DataFrame(np.random.randn(10,4))  
# # print(df)  
#   
# pieces=[df[:3],df[3:7],df[7:]]  
# print(pd.concat(pieces))  

# l  Join 类似于SQL类型的合并  

# left=pd.DataFrame({'key':['foo','foo'],'lval':[1,2]})  
# right=pd.DataFrame({'key':['foo','foo'],'rval':[4,5]})  
#   
# print(left)  
# print(right)  
#   
# mid=pd.merge(left,right,on='key')  
# print(mid)  

# l  Append 将一行连接到一个DataFrame上  
# df=pd.DataFrame(np.random.randn(8,4),columns=['A','B','C','D'])  
# print(df)  
# s=df.iloc[3]  
# print(s)  
# df=df.append(s,ignore_index=True)  
# print(df)  




# 七、            分组  
# 对于”group by”操作,我们通常是指以下一个或多个操作步骤:  
#   
# l  (Splitting)按照一些规则将数据分为不同的组;  
#   
# l  (Applying)对于每组数据分别执行一个函数;  
#   
# l  (Combining)将结果组合到一个数据结构中;  

# df=pd.DataFrame({'A':['foo','bar','foo','bar','foo','bar','foo','bar']  
#                  ,'B':['one','two','two','one','one','two','one','two']  
#                  ,'C':np.random.randn(8),'D':np.random.randn(8)})  
# print(df)  
#   
# # 1、  分组并对每个分组执行sum函数:  
# print(df.groupby('A').sum())  
#   
# # 2、  通过多个列进行分组形成一个层次索引,然后执行函数:  
# print(df.groupby(['A','B']).sum())  

# 八、            Reshaping  
# l  Stack  
# tuples=list(zip(*[['bar','bar','baz','baz','foo','foo','qux','qux']  
#                   ,['one','two','one','two','one','two','one','two']]))  
#   
# index=pd.MultiIndex.from_tuples(tuples, names=['first','second'])  
# df=pd.DataFrame(np.random.randn(8,2),index=index,columns=['A','B'])  
# df2=df[:4]  
# # print(df2)  
# print(df2.stack().unstack(1))  






# 九、            时间序列  
# Pandas在对频率转换进行重新采样时拥有简单、强大且高效的功能(如将按秒采样的数据转换为按5分钟为单位进行采样的数据)  
# rng=pd.date_range('1/1/2012',periods=100,freq='S')  
# print(rng)  
# ts=pd.Series(np.random.randint(0,500,len(rng)),index=rng)  
# print(ts)  
# print(ts.resample('5Min',how='sum'))  

# 1、  时区表示:  
# rng=pd.date_range('3/6/2012 00:00',periods=5,freq='D')  
# print(rng)  
# ts=pd.Series(np.random.randn(len(rng)),index=rng)  
# print(ts)  
# ts_utc=ts.tz_localize('UTC')  
# print(ts_utc)  
#   
# # 2、  时区转换:  
# print(ts_utc.tz_convert('US/Eastern'))  
#   
# # 3、  时间跨度转换:  
# rng=pd.date_range('1/1/2012',periods=5,freq='M')  
# print(rng)  
# ts=pd.Series(np.random.randn(len(rng)),index=rng)  
# print(ts)  
# ps=ts.to_period()  
# print(ps)  
# print(ps.to_timestamp())  

# 4、  时期和时间戳之间的转换使得可以使用一些方便的算术函数。  
# prng=pd.period_range('1990Q1','2000Q4',freq='Q-NOV')  
# print(prng)  
# ts=pd.Series(np.random.randn(len(prng)),index=prng)  
# print(ts)  
# ts.index=(prng.asfreq('M','e')+1).asfreq('H', 's')+8  
# print(ts.head())  







# 十、            Categorical  
# 从0.15版本开始,pandas可以在DataFrame中支持Categorical类型的数据  

# df=pd.DataFrame({'id':[1,2,3,4,5,6],'raw_grade':['a','b','b','a','a','e']})  
# print(df)  
#   
# # 1、  将原始的grade转换为Categorical数据类型:  
# df['grade']=df['raw_grade'].astype('category')  
# print(df)  
#   
# # 2、  将Categorical类型数据重命名为更有意义的名称:  
# df['grade'].cat.categories=['very good','good','very bad']  
# print(df)  
#   
# # 3、  对类别进行重新排序,增加缺失的类别:  
# df['grade']=df['grade'].cat.set_categories(['very bad','bad','medium','good','very good'])  
# print(df['grade'])  
#   
# # 4、  排序是按照Categorical的顺序进行的而不是按照字典顺序进行:  
# print(df.sort('grade'))  
#   
# # 5、  对Categorical列进行排序时存在空的类别:  
# print(df.groupby('grade').size())  





# 十一、           画图  

# ts=pd.Series(np.random.randn(1000),index=pd.date_range('1/1/2012',periods=1000,freq='D'))  
# ts=ts.cumsum()  
# ts.plot()  
#   
# df=pd.DataFrame(np.random.randn(1000,4),index=ts.index,columns=['A','B','C','D'])  
# df=df.cumsum()  
# plt.figure();df.plot();plt.legend(loc='best')  
#   
#   
# # 十二、           导入和保存数据  
# # 1、  写入csv文件:  
# df.to_csv('foo.csv',index=False)  
#   
# # 2、  从csv文件中读取:  
# pd.read_csv('foo.csv')  
#   
# # 1、  写入excel文件:  
# df.to_excel('foo.xlsx',sheet_name='Sheet1')  
#   
# # 2、  从excel文件中读取:  
# pd.read_excel('foo.xlsx','Sheet1',index_col=None,na_values=['NA'])  
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值