Python的模块pandas初探，希望大家留下你的宝贵意见

pandas是一个强大的数据分析工具包，建立在NumPy库之上。它提供了高效、灵活的数据结构和数据分析工具，可以快速处理和分析数据。

pandas的主要数据结构是Series（一维数据）和DataFrame（二维数据）。Series类似于一维数组，每个值都与一个索引相关联。DataFrame类似于一个表格，包含多个行和列，每个列可以是不同的数据类型。

pandas可以进行多种数据操作，包括数据清洗、数据筛选、数据排序、数据统计等。它还可以与其他数据分析工具和数据库进行交互，方便数据的导入和导出。

下面介绍以下常用的部分函数，供大家参考。

包：pandas

1、使用pandas库，常和numpy一起使用，可以一并导入：

import  numpy as np

import pandas as pd

2、导入csv  or xlsx  文件

df=pd.DataFrame( pd.read_csv(‘name.csv’, header=1 ) )

df=pd.DataFrame( pd.read_excel(‘name.xlsx’ ) )

或者：使用循环读入的方式：

3、用pandas创建数据表：

df=pd.DataFrame({“id”:[1001,1002,1003,1104,1005,1006],”date”:pd.date_range(‘20130102’,periods=6),”city”:[‘beijing’,SH’,’guangzhou’,’shenzhen’,’shanghai’,’BEIJING’],”category”:[‘100-A’,’100-B’,’110-A’,’110-C’,’210-A’,’130-F’],”price”:[1200,np.nan,2133,5433,np.nan,4432]},columns=[‘id’,’date’,’city’,’category’,’age’,’price’])

二、数据表信息查看

1、维度查看：

df.shape

2、数据表的基本信息（维度、列名称、数据格式、所占空间等）：

df.info()

3、每一列的数据格式：

df.dtypes

4、某一列格式：

df[‘id’].dtype

5、空值

df.isnull()

6、查看某一列的空值

df[‘B’].isnull()

7、查看某一列的唯一值：

df[‘B’].unique()

8、查看数据表的值：

df.values

9、查看列名称：

df.columns

10、查看前5行数据，后5行数据：

df.head() #默认前5行

df.tail()

三、数据表清洗。

1、用数字0填充空值

df.fillna(value=0)

2、使用列prince的均值对NA进行填充：

df[‘prince’].fillena(df[‘prince’].mean())

这是以前的学习汇总笔记（部分），看看大家是否喜欢，或者有需要其他内容的欢迎留言。这是历史还原。