1、打开文件
pd.read_csv()
:从 CSV 文件中读取数据并返回一个 DataFrame 对象。pd.read_excel()
:从 Excel 文件中读取数据并返回一个 DataFrame 对象。import pandas as pd # 读取表格数据 df = pd.read_excel('testExcel.xlsx') df2 = pd.read_csv('testCsv.csv')
2、读取文件
1)表格文件的属性和方法
df.head(n)
:返回 DataFrame 的前 n 行,默认为前 5 行。df.tail(n)
:返回 DataFrame 的后 n 行,默认为后 5 行。df.info()
:显示 DataFrame 的基本信息,包括列名、数据类型和缺失值情况。df.describe()
:显示 DataFrame 中数值列的统计信息,如平均值、标准差等。
import pandas as pd
# 读取表格数据
df = pd.read_excel('8.xlsx')
#取自开头五行数据
df5 = df.head(5)
#取自最后五行数据
df6 = df.tail(5)
for index, row in df5.iterrows():
print("Row Index:", index)
print("Row Data:")
print(row)
print("===================")
# 包括字符串类型的列
summary = df5.describe(include='all')
# 排除字符串类型的列
summary = df5.describe(exclude=['object'])
2) 数据选择和过滤
df[column]
:选择指定列的数据,返回一个 Series 对象。df[[column1, column2]]
:选择多个列的数据,返回一个 DataFrame 对象。df.loc[row_indexer, column_indexer]
:通过标签选择指定行和列的数据。返回一个 DataFrame 对象。df.iloc[row_indexer, column_indexer]
:通过位置选择指定行和列的数据。返回一个 DataFrame 对象。df[df['column'] > value]
:根据条件过滤 DataFrame 中的数据。返回一个 DataFrame 对象。
import pandas as pd
# 创建一个示例 DataFrame
data = {'Name': ['John', 'Alice', 'Bob'],
'Age': [25, 30, 35],
'City': ['New York', 'London', 'Paris']}
df = pd.DataFrame(data)
dfColumn = df[['Name', 'Age']]
print(dfColumn)
#查询指定位置数据的两种方式
dfxy = df.loc[1, 'Name']
print(dfxy)
dfxy2 = df.iloc[1, 1]
print(dfxy2)
#查询指定判断条件的内容
dfChose = df[df['Age'] >= 30][['Name', 'Age']]
print(dfChose)
3 )迭代法全部查询
df.iterrows()
是 Pandas 中用于迭代遍历 DataFrame 行的方法。它返回一个生成器,每次迭代都会返回包含行索引和行数据的元组。
import pandas as pd
# 创建一个示例 DataFrame
data = {'Name': ['John', 'Alice', 'Bob'],
'Age': [25, 30, 35],
'City': ['New York', 'London', 'Paris']}
#将对象转变成pandas读取对象
df = pd.DataFrame(data)
# 使用 iterrows 迭代遍历 DataFrame 行
for index, row in df.iterrows():
print("Row Index:", index)
print("Row Data:")
print(row)
#仅显示某列数据
print(row['Name'])
print("------------------")
4)条件法查询
使用相应条件或者相应位置限制获取相应的列和对象进行处理
# 选择 Age 列大于等于 30 的行,并将 City 列值修改为 'Unknown'
df.loc[df['Age'] >= 30, 'City'] = 'Unknown'
# 在 Name 列上应用自定义函数,将姓名转换为大写
df['Name'] = df['Name'].apply(lambda x: x.upper())
# 将 Age 列的值增加 5
df['Age'] = df['Age'] + 5
# 计算 Age 列的平均值
average_age = df['Age'].mean()
# 选择前5行和前两列的数据
subset_df = df.iloc[:5, :2]
5)数据汇聚公式
df.mean():计算每列的平均值。
df.sum():计算每列的总和。
df.min():找出每列的最小值。
df.max():找出每列的最大值。
df.count():计算每列的非缺失值数量。
6) 根据数据画图
df.plot():绘制数据的基本图形。
df.hist():绘制数据的直方图。
df.boxplot():绘制数据的箱线图。
df.scatter():绘制数据的散点图。