Python Pandas常用命令汇总

引用库和pandas结构缩写

DataFrame 别名 df
Series 别名 s

import pandas as pd
import numpy as 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

数据查看与验证

df.head(n) # 查看前n行数据
df.tail(n) # 查看后n行数据
df.shape # 查看数据的行数与列数
df.info() # 查看数据 (DataFrame) 的索引、数据类型及内存信息
df.describe() # 对于数据类型为数值型的列，查询其描述性统计的内容
df.apply(pd.Series.value_counts) # 查询数据 (Data Frame) 中每个列的不同数据值出现次数统计

数据的选取

df[[col1, col2]] # 以新的数据(DataFrame)的形式返回选取的列
s.iloc[0] # 按照位置选取
s.loc['index_one'] # 按照索引选取
df.iloc[0,:] # 选取第一行
df.iloc[0,0] # 选取第一行的第一个元素

数据清洗

df.columns = ['a','b'] # 重命名数据框的列名称
pd.isnull(df) # 检查数据中空值出现的情况，并返回一个由布尔值(True,Fale)组成的列
pd.notnull(df) # 检查数据中非空值出现的情况，并返回一个由布尔值(True,False)组成的列
df.dropna() # 移除数据框 DataFrame 中包含空值的行
df.dropna(axis=1) # 移除数据框 DataFrame 中包含空值的列
df.fillna(x) # 将数据框 DataFrame 中的所有空值替换为 x
s.fillna(s.mean()) # 将所有空值替换为平均值
s.astype(float) # 将数组(Series)的格式转化为浮点数
s.replace(1,'one') # 将数组(Series)中的所有1替换为'one'
s.replace([1,3],['one','three']) # 将数组(Series)中所有的1替换为'one', 所有的3替换为'three'
df.rename(columns=lambda x: x + 2) # 将全体列重命名
df.rename(columns={'old_name': 'new_ name'}) # 将选择的列重命名
df.set_index('column_one') # 改变索引
df.rename(index = lambda x: x+ 1) # 改变全体索引

数据过滤、排序、分组

# 过滤
df[df[col] > 1] # 选取数据框df中对应行的数值大于1的全部列
df[(df[col] > 1) & (df[col] < 2)] # 选取数据框df中对应行的数值大于1，并且小于2的全部列
# 排序
df.sort_values(col1) # 按照数据框的列col1升序(ascending)的方式对数据框df做排序
df.sort_values(col2,ascending=False) # 按照数据框的列col2降序(descending)的方式对数据框df做排序
df.sort_values([col1,col2],ascending=[True,False]) # 按照数据框的列col1升序，col2降序的方式对数据框df做排序
# 分组
df.groupby(col) # 按照某列对数据框df做分组
df.groupby([col1,col2]) # 按照列col1和col2对数据框df做分组
df.groupby(col1)[col2].mean() # 按照列col1对数据框df做分组处理后，返回对应的col2的平均值
df.apply(np.mean) # 对数据框df的每一列求平均值
df.apply(np.max,axis=1) # 对数据框df的每一行求最大值

数据的连接、组合

# 组合
df1.append(df2) # 在数据框df1的末尾添加数据框df2，其中df1和df2的列数应该相等
pd.concat([df1, df2],axis=1) # 在数据框df1的列最后添加数据框df2,其中df1和df2的行数应该相等
# 连接
df1.join(df2,on=col1,how='inner',,lsuffix='_l',rsuffix='_r') # 对数据框df1和df2做内连接，其中连接的列为col1,为左右连接数据列添加后缀

数据统计

df.mean() # df中每一列的平均值
df.describe() # df每一列的描述性统计
df.corr() # df中每一列与其他列的相关系数
df.count() # df中每一列的非空值个数
df.max() # df中每一列的最大值
df.min() # df中每一列的最小值
df.median() # df中每一列的中位数
df.std() # df中每一列的标准差