pandas使用指南

import pandas as pd

# 1、读取数据
#读取xls
df = pd.read_excel('制造商重码.xls')
#读取csv
df=pd.read_csv('HR_PERSONAL_ORGANIZATION.txt',sep=',',header=None,encoding='utf-8',error_bad_lines=False)
#或者自己生成数据
df=pd.DataFrame(np.random.randn(6,5),columns=['a','b','c','d','e'])

### 2、pandas操作具体数值：（赋缺失值）
#查看有多少行
print(len(df.index.values))
#查看有多少列
print(len(df.columns.values))
df.iloc[4:6,0] = np.nan
df.iloc[5:7,2] = np.nan
df.iloc[7,3] = np.nan
df.iloc[2:3,4] = np.nan

## 3、、缺失值
#判断表是否有缺失值，
df = df.isnull() 
#输出哪些列有缺失值
df = df.isnull().any()
#输出每列缺失值的数量：
df = df.isnull().sum()

# 4、清理缺失值
df = df.dropna()
df.dropna(how = 'all')    # 传入这个参数后将只丢弃全为缺失值的那些行,axis默认值为0
df.dropna(axis = 1)       # 丢弃有缺失值的列（一般不会这么做，这样会删掉一个特征）
df.dropna(axis=1,how="all")   # 丢弃全为缺失值的那些列
df.dropna(axis=0,subset = ["a", "e"])   # 丢弃‘a’和‘e’这两列中有缺失值的行 

#5、删除某一列
del df['MANUFACTURE_CODE1']

#6、去重
df.drop_duplicates(subset=['MANUFACTURE_CODE1_NAME','MANUFACTURE_CODE2_NAME'],keep='first',inplace=True)

# 7、将空值替换为1
df = df.replace('NaN','1')