Pandas库学习

1. 读取数据

1. read_csv(open,sep,encoding,header,names)
   • open：打开的文件路径，可以使网址
   • sep：分隔符号
   • encoding：解码的方式，默认 ‘utf-8’
   • header：用作表头的行，如果没有可以使用None
   • names：表头每一列的名字，header=None时可以使用，是一个列表
2. read_excel(open,sheet,header,names)
   • open：打开的文件路径
   • sheet：必须指定打开的sheet名
   • header：用作表头的行，如果没有可以使用None
   • names：表头每一列的名字，header=None时可以使用，是一个列表

2. 展示数据

设 df 是一个 pandas的对象，如果要将其中的数据展现出来，可以使用下面的函数

函数格式	说明
df.head()	查看最开始5行的数据，也可以指定参数，如 df.head(7) 查看前7行的数据
df.tail()	查看最后5行的数据，也可以指定参数，如 df.tail(7) 查看最后7行的数据
df.index	查看每一行的索引
df.columns	查看每一列的索引
df.info	查看所有数据

3. 数据选择

设 df 是一个 pandas的对象，如果要将其中的数据进行选择，可以使用下面的函数

函数格式	说明
df['A']	选择名称为 “A” 的一列数据
df.loc[:, ['A', 'B']]	选择全部的行，但只选择 “A” “B” 两列数据，也可以 df.loc[['row1','row2'], ['A', 'B']]只选择部分行列，只有一个参数时默认选择全部的列
df.iloc[1:3, 2:4]	按行列的索引值来进行选择，只有一个参数时默认选择全部的列
df[df>1]	查筛选数据，不符合条件的数据显示为 NAN

4. 处理缺失值

设 df 是一个 pandas的对象，处理缺失值时，可以使用下面的函数

函数格式	说明
df.replace(to_replace='?',value=np.nan)	将值为“?” 的数据用 NAN来代替
df.fillna(n)	用 n 来对NAN进行填充，其中参数也可以是字典，如 df.fillna({'A':100,'B':200}) 表示 ‘A’ 列用100填充，'B’列用200填充
df.fillna(df.mean)	使用每一列的均值进行填充

5. 数据操作

设 df 是一个 pandas的对象，进行数据操作时，可以使用下面的函数

函数格式	说明
df.to_numpy()	转为numpy类型的数据
df.count()	统计非空数据数
df.mean()	统计非空数据平均值
df.std()	统计非空数据贝塞尔校正的样本标准偏差
df.var()	统计非空数据方差
df.cumsum()	统计非空数据按列累加
df.mode()	统计非空数据众数
df.describe()	统计非空数据的各种统计量
df.sort_index()	按每行的索引降序排列
df.sort_index(ascending=False)	按每行的索引升序排列
df.sort_values(by='A')	按列 “A” 的值升序排列
df.sort_values(by=['A','B'])	首先排列列 ‘A’，其次排列列 ‘B’
df.dtypes	查看每一列的数据类型
df.astype('float32')	改变其中的数据类型

6. 转为 One-hot

pd.get_dummies(data, prefix, columns)
data：输入的数据，能自动判断字符串与数据，将字符串自动转为One-hot编码
prefix：转换后，列名的前缀，默认为None
columns：指定需要实现类别转换的列名

6. 写入数据

1. to_csv(path,sep,encoding)
   • path：保存的路径
   • sep：分隔符号
   • encoding：解码的方式，默认 ‘utf-8’
2. to_excel(path,sheet,encoding)
   • path：保存的路径
   • sheet：要保存的sheet
   • encoding：解码的方式，默认 ‘utf-8’