Pandas(Python) ——1
1.read_csv函数
encoding 指定字符集类型,通常指定为 ‘utf-8’。根据情况也可能是’ISO-8859-1’,本文中所有的encoding=‘gbk’ ,如果要显示中文,可以用“non-unicode”,可以强行读入。
pd.read_csv(file_path,encoding='gbk')
usecols=[0, 1],使用某一列数据(第一和第二列);
# 选择名称等于三的列
pd.read_csv(file_path, encoding='gbk', usecols=lambda x:len(x)==3)
skiprows=[0],过滤某一行数据(第一行)
pd.read_csv(file_path, encoding='gbk', skiprows=[0])
nrows=5,读取的行数(读取4行数据)
pd.read_csv(file_path, encoding='gbk', nrows=4)
parse_dates=[‘date’],设定某一行为日期格式
date_parser设置时间格式
from datetime import datetime
pd.read_csv(file_path, encoding='gbk', parse_dates=['发行日'], date_parser=lambda x:datetime.strptime(x, '%Y/%m/%d'))
2.describe()函数
DataFrame.describe(percentiles=None, include=None, exclude=None)
# return:Series or DataFrame. Summary statistics of the Series or Dataframe provided.
include=‘all’,代表对所有列进行统计,如果不加这个参数,则只对数值列进行统计;
percentiles可以设定数值型特征的统计量,默认[.25, .5, .75],返回25%,50%,75%时候的数据,可修改参数,如:df.describe(percentiles=[.10, .75, .8]);
exclude可以指定不选择哪些列,如:exclude=[‘0’]。
输出结果:
count:数量统计,此列共有多少有效值
unipue:不同的值有多少个
std:标准差
min:最小值
25%:四分之一分位数
50%:二分之一分位数
75%:四分之三分位数
max:最大值
mean:均值