dataframe性质

1）查看DataFrame数据及属性

df_obj = DataFrame() #创建DataFrame对象
df_obj.dtypes #查看各行的数据格式
df_obj['列名'].astype(int)#转换某列的数据类型
df_obj.head() #查看前几行的数据,默认前5行
df_obj.tail() #查看后几行的数据,默认后5行
df_obj.index #查看索引
df_obj.columns #查看列名
df_obj.values #查看数据值
df_obj.describe() #描述性统计
df_obj.T #转置
df_obj.sort_values(by=['',''])#同上

2）使用DataFrame选择数据:

df_obj.ix[1:3] #获取1-3行的数据,该操作叫切片操作,获取行数据
df_obj.ix[columns_index] #获取列的数据
df_obj.ix[1:3，[1,3]]#获取1列3列的1~3行数据
df_obj[columns].drop_duplicates() #剔除重复行数据

3）使用DataFrame重置数据:

df_obj.ix[1:3，[1,3]]=1#所选位置数据替换为1

4）使用DataFrame筛选数据(类似SQL中的WHERE):

alist = ['023-18996609823']
df_obj['用户号码'].isin(alist) #将要过滤的数据放入字典中,使用isin对数据进行筛选,返回行索引以及每行筛选的结果,若匹配则返回ture
df_obj[df_obj['用户号码'].isin(alist)] #获取匹配结果为ture的行

5）使用DataFrame模糊筛选数据(类似SQL中的LIKE):

df_obj[df_obj['套餐'].str.contains(r'.*?语音CDMA.*')] #使用正则表达式进行模糊匹配,*匹配0或无限次,?匹配0或1次

•  

6）使用DataFrame进行数据转换(后期补充说明)

df_obj['支局_维护线'] = df_obj['支局_维护线'].str.replace('巫溪分公司(.{2,})支局','\\1')#可以使用正则表达式

• 1

• 1

• 1

可以设置take_last=ture 保留最后一个,或保留开始一个.补充说明:注意take_last=ture已过时,请使用keep=’last’ 
7）使用pandas中读取数据:

1. read_csv('D:\LQJ.csv',sep=';',nrows=2) #首先输入csv文本地址,然后分割符选择等等

2. df.to_excel('foo.xlsx',sheet_name='Sheet1');pd.read_excel('foo.xlsx', 'Sheet1', index_col=None, na_values=['NA'])#写入读取excel数据，pd.read_excel读取的数据是以DataFrame形式存储

3. df.to_hdf('foo.h5','df');pd.read_hdf('foo.h5','df')#写入读取HDF5数据

• 1
• 2
• 3

• 1
• 2
• 3

• 1
• 2
• 3

8）使用pandas聚合数据(类似SQL中的GROUP BY 或HAVING):

1. data_obj['用户标识'].groupby(data_obj['支局_维护线'])

2. data_obj.groupby('支局_维护线')['用户标识'] #上面的简单写法

3. adsl_obj.groupby('支局_维护线')['用户标识'].agg([('ADSL','count')])#按支局进行汇总对用户标识进行计数,并将计数列的列名命名为ADSL

• 1
• 2
• 3

• 1
• 2
• 3

• 1
• 2
• 3

9）使用pandas合并数据集(类似SQL中的JOIN):

merge(mxj_obj2, mxj_obj1 ,on='用户标识',how='inner')# mxj_obj1和mxj_obj2将用户标识当成重叠列的键合并两个数据集,inner表示取两个数据集的交集.

• 1

• 1

• 1

10）清理数据

1. df[df.isnull()]

2. df[df.notnull()]

3. df.dropna()#将所有含有nan项的row删除

4. df.dropna(axis=1,thresh=3) #将在列的方向上三个为NaN的项删除

5. df.dropna(how='ALL')#将全部项都是nan的row删除填充值

6. df.fillna(0)

7. df.fillna({1:0,2:0.5}) #对第一列nan值赋0，第二列赋值0.5

8. df.fillna(method='ffill') #在列方向上以前一个值作为值赋给NaN

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8

实例

1. 读取excel数据 
代码如下

1. import pandas as pd# 读取高炉数据，注意文件名不能为中文

2. data=pd.read_excel('gaolushuju_201501-03.xlsx', '201501', index_col=None, na_values=['NA'])

3. print data

• 1
• 2
• 3

• 1
• 2
• 3

• 1
• 2
• 3

测试结果如下

1. 燃料比 顶温西南 顶温西北 顶温东南 顶温东北

2. 0 531.46 185 176 176 174

3. 1 510.35 184 173 184 188

4. 2 533.49 180 165 182 177

5. 3 511.51 190 172 179 188

6. 4 531.02 180 167 173 180

7. 5 511.24 174 164 178 176

8. 6 532.62 173 170 168 179

9. 7 583.00 182 175 176 173

10. 8 530.70 158 149 159 156

11. 9 530.32 168 156 169 171

12. 10 528.62 164 150 171 169

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12

2. 切片处理，选取行或列，修改数据 
代码如下：

1. data_1row=data.ix[1]

2. data_5row_2col=data.ix[0:5,[u'燃料比',u'顶温西南']

3. print data_1row,data_5row_2col

4. data_5row_2col.ix[0:1,0:2]=3

• 1
• 2
• 3
• 4

• 1
• 2
• 3
• 4

• 1
• 2
• 3
• 4

测试结果如下：

1. 燃料比 510.35

2. 顶温西南 184.00

3. 顶温西北 173.00

4. 顶温东南 184.00

5. 顶温东北 188.00

6. Name: 1, dtype: float64

7. 燃料比 顶温西南

8. 0 531.46 185

9. 1 510.35 184

10. 2 533.49 180

11. 3 511.51 190

12. 4 531.02 180

13. 5 511.24 174

14. 燃料比 顶温西南

15. 0 3.00 3

16. 1 3.00 3

17. 2 533.49 180

18. 3 511.51 190

19. 4 531.02 180

20. 5 511.24 174

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20

格式说明，data_5row_2col.ix[0:1,0:2]，data_5row_2col.ix[0:1,[0,2]],选取部分行和列需加”[]” 
3. 排序 
代码如下：

1. print data_1row.sort_values()

2. print data_5row_2col.sort_values(by=u'燃料比')

• 1
• 2

• 1
• 2

• 1
• 2

测试结果如下：

1. 顶温西北 173.00

2. 顶温西南 184.00

3. 顶温东南 184.00

4. 顶温东北 188.00

5. 燃料比 510.35

6. Name: 1, dtype: float64

7. 燃料比 顶温西南

8. 1 510.35 184

9. 5 511.24 174

10. 3 511.51 190

11. 4 531.02 180

12. 0 531.46 185

13. 2 533.49 180

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13

4. 删除重复的行 
代码如下：

print data_5row_2col[u'顶温西南'].drop_duplicates()#剔除重复行数据

• 1

• 1

• 1

测试结果如下：

1. 0 185

2. 1 184

3. 2 180

4. 3 190

5. 5 174

6. Name: 顶温西南, dtype: int64

• 1
• 2
• 3
• 4
• 5
• 6

• 1
• 2
• 3
• 4
• 5
• 6

• 1
• 2
• 3
• 4
• 5
• 6

说明：从测试结果3中可以看出顶温西南index=2的数据与index=4的数据重复，测试结果4显示将index=4的顶温西南数据删除