Pandas必会的方法汇总

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