pandas函数注释

pandas函数注释

**import pandas as pd
path = ‘E:\python\测试\数据查询.xlsx’
data = pd.DataFrame(pd.read_excel(path,sheet_name=‘Left’,header=1,converters={‘A’: str})) # converters={‘A’: str} 设置A列格式为文本
data.index # 查看索引
data.values # 查看数值
data.sort_index() # 按索引排序
data.sort_values() # 按数值排序
data.head( 5 ) # 查看前5行
data.tail( 3 ) # 查看后3行
data.values # 查看数值
datashape # 查看行数、列数
data.isnull() # 查找data中出现的空值
data.unique() # 查看唯一值
data.columns # 查看data的列名
data.sort_index() # 索引排序
data.sort_values() # 值排序
pd.merge(data1,data2) # 合并,以下为左连接
pd.merge(data1,data2,on=[a],how=‘left’)
pd.concat([data1,data2]) # 合并，与merge的区别，自查(特别注意要使用[])
pd.pivot_table( data ) # 用df做data透视表（类似于Excel的数透）
data.reset_index() # 修改、删除原有索引
data.reindex() # 重置索引，如下示例
data=data.reindex(columns=[‘商品名称’, ‘规格’, ‘对应车型类别’, ‘备注’, ‘新增的一列’], fill_value=‘新增的一列要填的值’)
a=data[‘x’] # 取列名为’x’的列，格式为series
b=data[[‘x’]] # 取列名为’x’的列，格式为Dataframe
c=data[[‘w’,‘z’]] # 取多列时需要用Dataframe的格式
data.loc[‘A’] # 取行名为’A’的行
data.loc[:,[‘x’,‘z’] ] # 表示选取所有的行以及columns为x,z的列
data[‘name’].values # 取列名为’name’的列的值（取出来的是array而不是series）取单行后是一个Series，Series有index而无columns，可以用name来获取单列的索引
data.head(4) # 取头四行
data.tail(3) # 取尾三行
data= data.iloc[2:, 2:20] # 选择2行开始、2-11列
[m, n] = data.shape # 对m,n进行复制，m等于最大行数 n等于最大列数
data.notnull() # 非空值
data.dropna() # 删除空值
data.dropna() # 删除有空值的行
data.dropna(axis=1) # 删除有空值的列
data.dropna(how=‘all’) # 删除所有值为Nan的行
data.dropna(thresh=2) # 至少保留两个非缺失值
data.strip() # 去除列表中的所有空格与换行符号
data.fillna(0) # 将空值填充0
data.replace(1, -1) # 将1替换成-1
data.fillna(100) # 填充缺失值为100
data.fillna({‘语文’:100,‘数学’:100,}) # 不同列填充不同值
data.fillna(method=‘ffill’) # 将空值填充为上一个值
data.fillna(method=‘bfill’) # 将空值填充下一个值
data.fillna(method=‘bfill’,limit=1) # 将空值填充下一个值，限制填充数量为1
**