为大家分享pandas技巧。
1、显示已安装的版本
输入下面的命令查询pandas版本:
In [7]:pd.__version__
Out[7]:'0.24.2'
如果你还想知道pandas所依赖的模块的版本,你可以使用show_versions()函数:
In [9]:
pd.show_versions()
INSTALLED VERSIONS
------------------
commit: None
python: 3.7.3.final.0
python-bits: 64
.......
gcsfs: None
你可以查看到Python,pandas, Numpy, matplotlib等的版本信息。
2、创建示例DataFrame
假设你需要创建一个示例DataFrame。有很多种实现的途径,我最喜欢的方式是传一个字典给DataFrame constructor,其中字典中的keys为列名,values为列的取值。
现在如果你需要创建一个更大的DataFrame,上述方法则需要太多的输入。在这种情况下,你可以使用Numpy的random.rand()函数,告诉它行数和列数,将它传递给DataFrame constructor:
这种方式很好,但如果你还想把列名变为非数值型的,你可以强制地将一串字符赋值给columns参数:
你可以想到,你传递的字符串的长度必须与列数相同。
3、更改列名
让我们来看一下刚才我们创建的示例DataFrame:
我更喜欢在选取pandas列的时候使用点(.),但是这对那么列名中含有空格的列不会生效。让我们来修复这个问题。
更改列名最灵活的方式是使用rename()函数。你可以传递一个字典,其中keys为原列名,values为新列名,还可以指定axis:
In [14]:
df = df.rename({'col one':'col_one', 'col two':'col_two'}, axis='columns')
使用这个函数最好的方式是你需要更改任意数量的列名,不管是一列或者全部的列。
如果你需要一次性重新命令所有的列名,更简单的方式就是重写DataFrame的columns属性:
In [15]:
df.columns = ['col_one', 'col_two']
如果你需要做的仅仅是将空格换成下划线,那么更好的办法是使用str.replace()方法,这是因为你都不需要输入所有的列名:
In [16]:
df.columns = df.columns.str.replace(' ', '_')
上述三个函数的结果都一样,可以更改列名使得列名中不含有空格:
最后,如果你需要在列名中添加前缀或者后缀,你可以使用add_prefix()函数:
或者使用add_suffix()函数:
4、行序反转
让我们来看一下drinks这个DataFame:
In [20]:
drinks.head()
Out[20]:
该数据集描述了每个国家的平均酒消费量。如果你想要将行序反转呢?
最直接的办法是使用loc函数并传递::-1,跟Python中列表反转时使用的切片符号一致:
In [21]:
drinks.loc[::-1].head()
Out[21]:
如果你还想重置索引使得它从0开始呢?
你可以使用reset_index()函数,告诉他去掉完全抛弃之前的索引:
In [22]:
drinks.loc[::-1].reset_index(drop=True).head()
Out[22]:
你可以看到,行序已经反转,索引也被重置为默认的整数序号。
5、列序反转
跟之前的技巧一样,你也可以使用loc函数将列从左至右反转:
In [23]:
drinks.loc[:, ::-1].head()
Out[23]:
逗号之前的冒号表示选择所有行,逗号之后的::-1表示反转所有的列,这就是为什么country这一列现在在最右边。
6、通过数据类型选择列
这里有drinks这个DataFrame的数据类型:
In [24]:
drinks.dtypes
Out[24]:
country object
beer_servings int64
spirit_servings int64
wine_servings int64
total_litres_of_pure_alcohol float64
continent object
dtype: object
假设你仅仅需要选取数值型的列,那么你可以使用select_dtypes()函数:
In [25]:
drinks.select_dtypes(include='number').head()
Out[25]:
这包含了int和float型的列。
你也可以使用这个函数来选取数据类型为object的列:
你还可以选取多种数据类型,只需要传递一个列表即可:
你还可以用来排除特定的数据类型: