pandas常用的方法（按功能）_import pandas as pd-CSDN博客

本文链接：https://blog.csdn.net/qq_43115961/article/details/126775471

本文介绍了Pandas在数据处理中的常见操作，包括数据导入（如read_excel、read_csv等）、数据导出（如to_csv、to_excel等）、对象创建（如DataFrame、Series）、数据清洗（如dropna、fillna）以及数据过滤、排序、分组等。还提到了数据合并、统计分析和可视化等核心功能。

摘要由CSDN通过智能技术生成

1.包导入

一般我们需要做如下导入，numpy和pandas一般需要联合使用：

import pandas as pd
import numpy as np
本文采用如下缩写： df：Pandas DataFrame对象 s： Pandas Series对象

2.数据导入

df = pd.read_excel (filename)：从Excel文件导入数据

pd.read_csv  (filename)：从CSV文件导入数据
pd.read_table  (filename)：从限定分隔符的文本文件导入数据
pd.read_sql  (query, connection_object)：从SQL表/库导入数据
pd.read_json  (json_string)：从JSON格式的字符串导入数据
pd.read_html  (url)：解析URL、字符串或者HTML文件
pd.read_clipboard()：从粘贴板获取内容
df = pd.DataFrame  (dict)：从字典对象导入数据

举例：

（1）#从文本文件中读取数据

df=pd.read_csv('data.csv') #数据自带列名

#等效于

df=pd.read_table('data.csv',sep=',')

#sep指分隔符，对于不是固定的分隔符时，可以编写正则表达式作为分隔符

（2）#自定义列名：

df2=pd.read_csv('data1.csv',names=['a','b','c','d','messgae'])

3.数据导出 （数据导进df后，都用df.方法（））

df.to_csv  (filename)：导出数据到CSV文件
df.to_excel  (filename)：导出数据到Excel文件
df.to_sql  (table_name, connection_object)：导出数据到SQL表
df.to_json  (filename)：以Json格式导出数据到文本文件

4.创建对象

pd.DataFrame (np.random.rand(20,5))：创建20行5列的随机数组成的DataFrame对象
pd.Series (my_list)：从可迭代对象my_list创建一个Series对象
df.index = pd.date_range('1900/1/30', periods=df.shape[0])：增加一个日期索引