pandas 库用法

pandas 是一种流行的 Python 数据处理库，用于快速高效地处理和分析大量的数据集。下面是一些 pandas 常用功能的详细用法：

1. 导入 pandas 库

import pandas as pd

2. 读取数据集

pandas 可以通过多种方式读取数据集，包括从 CSV 文件、Excel 文件、数据库、网络资源等。

• 从 CSV 文件读取数据：

data = pd.read_csv('filename.csv', header=0, encoding='utf-8')

其中，header 参数指定了 CSV 文件的头行，默认为 0；encoding 参数指定了编码格式，默认为 ‘utf-8’。

• 从 Excel 文件读取数据：

data = pd.read_excel('filename.xlsx', sheet_name='Sheet1')

其中，sheet_name 参数指定要读取的工作表的名称或索引，默认为第一个工作表。

3. 查看数据集信息

pandas 提供了多种方法用于快速查看数据集的结构、属性、摘要等信息。

• 查看数据集前几行：

data.head()

• 查看数据集后几行：

data.tail()

• 查看数据集的形状（行数、列数）：

data.shape

• 查看数据集的属性：

data.info()

• 查看数据集的摘要统计信息：

data.describe()

4. 数据清洗与预处理

pandas 提供了多种方法用于数据清洗、填充、转换等处理操作。

• 缺失值填充：

data.fillna(value=0, inplace=True)

其中，value 参数指定了要填充的值，inplace 参数指定是否替换原始数据集，默认为 False。

• 数据类型转换：

data['column_name'] = data['column_name'].astype('int')

其中，column_name 是要转换数据类型的列的名称，‘int’ 表示转换为整数类型。

• 数据重命名：

data.rename(columns={'old_name': 'new_name'}, inplace=True)

其中，old_name 是旧列名，new_name 是新列名，inplace 参数指定是否替换原始数据集，默认为 False。

5. 数据选择与过滤

pandas 提供了多种方法用于从数据集中选择、过滤、切片等操作。

• 列选择：

data['column_name']

其中，column_name 是要选择的列的名称。

• 行选择：

data.loc[data['column_name'] == 'value']

其中，column_name 是要筛选的列的名称，value 是要匹配的值。

• 过滤：

data.query("column_name > 10")

其中，column_name 是要过滤的列的名称。

6. 数据聚合与分组

pandas 提供了多种方法用于数据聚合、分组统计等操作。

• 数据分组与聚合：

data.groupby('column_name').sum()

其中，column_name 是要分组的列的名称。

• 数据透视表：

pd.pivot_table(data, values='value', index='column1', columns='column2')

其中，data 是要创建透视表的数据集，values 是要汇总的值的列名，index 和 columns 分别是行和列的分组变量。

这些是 pandas 中的一些常用功能，它们可以帮助快速高效地处理数据集。当然，pandas 还有更多的功能和用法，可以参考官方文档进行学习和掌握。