Pandas基础命令速查清单

总结一下pandas基础命令

库导入

import pandas as pd # 导入pandas库并简写为pd
import numpy as np # 导入numpy库并简写为np

数据导入

pd.read_csv(filename) # 导入csv格式文件中的数据  
pd.read_table(filename) # 导入有分隔符的文本 (如TSV) 中的数据  
pd.read_excel(filename) # 导入Excel格式文件中的数据  
pd.read_sql(query, connection_object) # 导入SQL数据表/数据库中的数据  
pd.read_json(json_string) # 导入JSON格式的字符，URL地址或者文件中的数据  
pd.read_html(url) # 导入经过解析的URL地址中包含的数据框 (DataFrame) 数据  
pd.read_clipboard() # 导入系统粘贴板里面的数据  
pd.DataFrame(dict)  # 导入Python字典 (dict) 里面的数据，其中key是数据框的表头，value是数据框的内容。

数据导出

df.to_csv(filename) # 将数据框 (DataFrame)中的数据导入csv格式的文件中  
df.to_excel(filename) # 将数据框 (DataFrame)中的数据导入Excel格式的文件中  
df.to_sql(table_name,connection_object) # 将数据框 (DataFrame)中的数据导入SQL数据表/数据库中  
df.to_json(filename) # 将数据框 (DataFrame)中的数据导入JSON格式的文件中

 创建测试对象

 

 

数据的查看和检查

1.head() 

2.tail()

 3.shape()

4.info()

 5.describe()

6.value_counts()

数据的选取

 取列

 取多列作为新的dataframe

loc()

按照标签索引取 

iloc()

按照位置索引取 

数据清洗

isnull()

notnull()

dropna()

 默认axis=0,对行操作

 删除空的列设置axis=1即可

fillna()

 astype()

replace()

 

若要真正的改动，还需要加上  inplace=True 

rename()

该函数既可以改变列名，也可以改变索引。

set_index()

数据的过滤（filter），排序（sort），分组（group by） 

1.用True过滤

sort_values()

默认升序

 group by

分组的时候会将分组的列作为索引，若不需要，需设置 as_index = False

pivot_table()

pivot_table()参数如下

 apply()

这个函数是对dataframe的行或列操作

注意默认axis=0 ，我的理解是聚合行，对列数据进行操作，反之axis=1是聚合列，对行进行操作。

数据的连接和组合

concat（）

 

 

 join（）

这个笔记希望对学习数据分析的小伙伴有帮助。