一、Pandas两大数据结构的创建
序号 | 方法 | 说明 |
---|---|---|
1 | pd.Series(对象,index=[ ]) | 创建Series。对象可以是列表\ndarray、字典以及DataFrame中的某一行或某一列 |
2 | pd.DataFrame(data,columns = [ ],index = [ ]) | 创建DataFrame。columns和index为指定的列、行索引,并按照顺序排列 |
举例:用pandas创建数据表:
df = pd.DataFrame({"id":[1001,1002,1003,1004,1005,1006],
"date":pd.date_range('20130102', periods=6),
"city":['Beijing ', 'SH', ' guangzhou ', 'Shenzhen', 'shanghai', 'BEIJING '],
"age":[23,44,54,32,34,32],
"category":['100-A','100-B','110-A','110-C','210-A','130-F'],
"price":[1200,np.nan,2133,5433,np.nan,4432]},
columns =['id','date','city','category','age','price'])
二、DataFrame常见方法
举例:重新索引
df.reset_index()
三、数据索引
举例:按索引提取单行的数值
df.loc[3]
四、DataFrame选取和重新组合数据的方法
df.iloc[:3,:2] #冒号前后的数字不再是索引的标签名称,而是数据所在的位置,从0开始,前三行,前两列。
五、排序
举例:按照索引列排序
df.sort_index()
六、相关分析和统计分析
举例:判断city列的值是否为北京
df['city'].isin(['beijing'])
七、分组的方法
举例:.groupby用法
group_by_name=salaries.groupby('name')
print(type(group_by_name))
结果为:<class 'pandas.core.groupby.DataFrameGroupBy'>
八、读写文本格式数据的方法
举例:导入CSV或者xlsx文件
df = pd.DataFrame(pd.read_csv('name.csv',header=1))
df = pd.DataFrame(pd.read_excel('name.xlsx'))
九、处理缺失数据
举例:查看数据表基本信息(维度、列名称、数据格式等等)
df.info()
十、数据转换
举例:删除后出现的重复值:
df['city'].drop_duplicates()
本文转载于公众号:python极客
该文地址请点击