pandas笔记

pandas的基本用法（熟记）

简单的几百条数据，足够练习了。提取码：h9z1
0. 导入包
import pandas as pd

1. 导入csv文件
   data=pd.read_csv('D:/PyCharm Community Edition 2019.1.1/Recruit_Analyse/lagou.csv',encoding='utf-8')

2. 转给DataFrame类型
   df=pd.DataFrame(data)

3. 基本的维度查看，也就行和列
   df.shape
   

4. 数据表的基本信息（维度，列名称，数据格式，所占空间等）
   df.info
   

5. 每一列的数据格式
   df.dtypes
   

6. 某一列的格式
   df['公司全名'].dtype
   

7. 查看空值:
   df.isnull() flash代表不是空值
   

8. 查看某一列的空值
   df['城市'].isnull()
   

9. 查看某一列的唯一值 ,重复的已经被过滤掉了
   df['城市'].unique()
   

10. 查看数据表的值
    df.values
    

11. 查看列名称
    df.columns
    

12. 查看前5行的数据
    df.head()
    查看前10行的数据
    df[:10]
    

13. 默认查看后5行
    df.tail()
    

14. 用数据0填充空值 （空值：在pandas中的空值是""），缺失值：在dataframe中为nan或者naT（缺失时间），在series中为none或者nan即可
    df.fillna(value=0)

15. 清除字段的字符空格
    df['福利待遇']=df['福利待遇'].map(str.strip)

16. 大小写转换
    df[‘salary’]=df[‘salary’].str.lower()

17. 更改数据格式
    df['岗位id'].astype('str')

18. 更改列名称,只对当前df有效
    df.rename(columns={'岗位id':'id'})
    
    drop_duplicates()：
    subset : column label or sequence of labels, optional
    用来指定特定的列，默认所有列
    keep : {‘first’, ‘last’, False}, default ‘first’
    删除重复项并保留第一次出现的项
    inplace : boolean, default False
    是直接在原来数据上修改还是保留一个副本

19. 删除之后出现的重复值
    df[‘岗位id’].drop_duplicates(keep=’last’)

20. 设置索引列
    df.set_index('岗位id')

21. 按照特定列的值排序
    df.sort_values(by=['城市'])

22. 如果城市列的值等于上海，城市列显示true，否则显示flase
    df['城市']=np.where(df['城市']=='上海','true','flase')