python数据分析总结(pandas)

目录

前言

df导入数据

df基本增删改查

数据清洗

​编辑

索引操作

数据统计

行列操作

​编辑

df->types

数据格式化

​编辑

日期数据处理

---

前言

此篇文章为个人python数据分析学习总结，总结内容大都为表格和结构图方式，仅供参考。

df导入数据

类型	语法
xls、xlsx	pd.read_excel(io、sheet_name、index_col)
csv/txt	pd.read_csv(filepath_or_buffer、encoding、sep、delimiter、index_col)
html	pd.read_html(io、match、index_col、encoding) 注意io不支持https
mysql	pd.read_sql(sql、con、index_col)

df基本增删改查

数据清洗

索引操作

方法	描述
reindex(index,columns,axis,fill_value,method)	使用指定行列序列值来设置索引(行或列)
set_index([col_names],drop)	使用已存在的列来设置索引
reset_index(drop)	重新设置索引

数据统计

注意：以下axis:0(列)、axis:1(行)

方法	描述
sort_values(by,ascending,inplace)	根据指定列来排序数据
rank(ascending,method)	对数据记录进行排序
value_counts(ascending,dropna)	对数据中的值进行计数
sum()	求和
mean()	平均值
max()	最大值
min()	最小值
median()	中位数
mode()	众数
var()	方差
quantile()	分位数
groupby(by)	分组
agg([agg_funcs])	聚合方法
agg(agg_dict)	聚合

行列操作

df->types

转换类型	方法
df -> dict	df.to_dict()
df -> list	df.values.tolist()
df -> tuple	[tuple(x) for x in df.values]

数据格式化

日期数据处理