本文摘要:
Pandas数据读取、Pandas数据类型与转换
读取文件类型
查看数据属性
# 查看数据形状,返回(行数,列数)
dataframe.shape
# 查看列名,返回Index(['id', 'name', 'grade'], dtype='object')
dataframe.columns
# 查看索引,返回RangeIndex(start=0, stop=100, step=1)
dataframe.index
# 查看每列的数据类型
dataframe.dtypes
# 查看前几行数据
dataframe.head()
read_csv相关参数
import pandas as pd
# 读取纯文本文件,txt/csv
dataframe = pd.read_csv(
file_path,
sep = '\t', # 指定分隔符
header = None, # 是否有标题行
names = ['xx', 'ss', 'oo'] # 自定义列名
)
# 读取excel文件
dataframe = pd.read_excel(excel_path)
# 读取mysql数据
import pymysql
conn = pymysql.connect(
host = '127.0.0.1',
user = 'root',
password = '123456',
database = 'db',
charset = 'utf8'
)
dataframe = pd.read_sql('select * from 表名', con=conn)
Pandas数据结构(DataFrame Series)
Series,类似一维数组
s1 = pd.Series([1, 's', 2.1]) # 输出时 左侧为索引,右侧为数据
s1.index # 获取索引,返回RangeIndex
s1.values # 获取数据,返回array
s2 = pd.Series([1, 's', 2.1], index=['a', 'b', 'x']) # 自定义指定索引
# 也可以用字典创建Series
data = {'id': 1, 'name': 'Bob', 'age': 18} # 键即索引,值即数据
s3 = pd.Series(data)
# 访问数据,类似字典
s3['id'] # 返回1,int类型
s3['name'] # 返回Bob,字符串类型
# 查询多值
s3[['name', 'age']] # 返回仍是Series类型
DataFrame
只查询一行/一列,返回Series对象
查询多行/多列,返回DataFrame对象
# 查询一列,返回Series对象
dataframe['name']
# 查询多列,返回DataFrame对象
dataframe[['id', 'name']]
# 查询一行,返回Series对象
dataframe.loc[1]
# 查询多行,返回DataFrame对象
dataframe.loc[1:3] # 类似切片,但注意:此方法包含 3
*此文仅为个人笔记