pandas（一）

1.pandas基本函数

2.pandas 描述统计函数

在进行统计描述时,pandas对三个数据对象的轴参数规定如下:
Series: 没有轴参数
DataFrame: “index” (axis=0, default), “columns” (axis=1)
Panel: “items” (axis=0), “major” (axis=1, default), “minor” (axis=2)
统计描述参数如下:

3.pandas 数据框增、删、改、查、去重、抽样基本操作

pandas的索引函数主要有三种： 

loc 标签索引，行和列的名称
iloc 整型索引（绝对位置索引），绝对意义上的几行几列，起始索引为0
ix 是 iloc 和 loc的合体

（1）行操作

选择某一行

选择多行

条件筛选

普通条件筛选

另外条件筛选还可以集逻辑运算符 | for or, & for and, and ~for not

isin

非索引列使用isin

索引列使用isin

结合any()/all()在多列索引时

where

DataFrame.where() differs from numpy.where()的区别

当series对象使用where()时，则返回一个序列

抽样筛选

DataFrame.sample(n=None, frac=None, replace=False, weights=None, random_state=None, axis=None)
当在有权重筛选时，未赋值的列权重为0，如果权重和不为1，则将会将每个权重除以总和。random_state可以设置抽样的种子（seed）。axis可是设置列随机抽样。

增加行

 

插入行

pandas里并没有直接指定索引的插入行的方法，所以要自己设置

line = pd.DataFrame({df.columns[0]:"--",df.columns[1]:"--",df.columns[2]:"--"},index=[1]) df = pd.concat([df.loc[:0],line,df.loc[1:]]).reset_index(drop=True)#df.loc[:0]这里不能写成df.loc[0]，因为df.loc[0]返回的是series a b c 0 1.0 a A 1 -- -- -- 2 2.0 b B 3 3.0 c C 4 4.0 4 4
交换行

删除行

注意在以时间作为索引的数据框中，索引是以整形的方式来的。

 dfl = pd.DataFrame(np.random.randn(5,4), columns=list('ABCD'), index=pd.date_range('20130101',periods=5))
print df1

(2)列操作

 选择某一列

选择多列

增加列，如果是已有列，那就是赋值

交换两列的值

删除列

1）直接del DF[‘column-name’]

2）采用drop方法，有下面三种等价的表达式：

DF= DF.drop(‘column_name’, 1)；

DF.drop(‘column_name’,axis=1, inplace=True)

DF.drop([DF.columns[[0,1,]]], axis=1,inplace=True) 

还有一些其他的功能：
切片df.loc[::,::]
选择随机抽样df.sample()
去重.duplicated()
查询.lookup

 

转载于:https://www.cnblogs.com/lucia8522/p/7060498.html