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
-
导入csv文件
data=pd.read_csv('D:/PyCharm Community Edition 2019.1.1/Recruit_Analyse/lagou.csv',encoding='utf-8')
-
转给DataFrame类型
df=pd.DataFrame(data)
-
基本的维度查看,也就行和列
df.shape
-
数据表的基本信息(维度,列名称,数据格式,所占空间等)
df.info
-
每一列的数据格式
df.dtypes
-
某一列的格式
df['公司全名'].dtype
-
查看空值:
df.isnull()
flash代表不是空值
-
查看某一列的空值
df['城市'].isnull()
-
查看某一列的唯一值 ,重复的已经被过滤掉了
df['城市'].unique()
-
查看数据表的值
df.values
-
查看列名称
df.columns
-
查看前5行的数据
df.head()
查看前10行的数据
df[:10]
-
默认查看后5行
df.tail()
-
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)
-
清除字段的字符空格
df['福利待遇']=df['福利待遇'].map(str.strip)
-
大小写转换
df[‘salary’]=df[‘salary’].str.lower() -
更改数据格式
df['岗位id'].astype('str')
-
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 -
删除之后出现的重复值
df[‘岗位id’].drop_duplicates(keep=’last’)
-
设置索引列
df.set_index('岗位id')
-
按照特定列的值排序
df.sort_values(by=['城市'])
-
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')