Pandas

读写数据

• 读取

  • 格式

    • pd.read_xxx('https://xxx.xxx')

    • pd.read_xxx('xxx.xlsx')

  • 类型

    • pd.read_excel()
    • pd.read_csv()

• 写入

  • df.to_excel('xxx.xlsx')
  • df.to_csv('team-done.csv')

数据概况

• df.info() # 查看数据类型、索引情况、行列数、字段类型、内存等
• df.describe() # 计算数字字段的总数、平均数、标准差、最大值、最小值、四分位数
• df.axes # 查看行数和列字段
• df.shape # 查看行数和列数
• df.index # 查看行索引
• df.columns # 查看列字段
• df.types # 查看各字段类型

列操作

• df['name']
  • 获取name列
• df.name
  • 同上
• df[['name', 'age']]
  • 获取name、age两列
• df.loc[:,['name', 'age']]
  • 同上
• df[df.index == 'A']
  • 获取指定行的索引列
• df['grade'] = 1
  • 添加列

索引

• 设置索引

  • df.set_index('name', inplace=True)
    • name # 设置为索引的字段名称
    • inplace # 是更改后的数据生效

• 获取索引

  • df.head(num)

    • num # 获取前n行，默认获取前5行

  • df.tail(num)

    • num # 获取后n行，默认获取后5行

  • df[df.name > 90]

    • A # 获取指定列大于90的所有行

  • df[0:3]

    • 获取指定范围的行

  • df[0:10:2]

    • 获取指定范围的行，每两个取一个

  • df.iloc[:10, :]

    • 获取指定范围的行

排序

• df.sort_values(by='name', ascending=False)
  • 按name列升序排序，True为升序，False为降序
• df.sort_values(['name', 'age'], ascending=[True, False])
  • name升序，age降序

分组聚合

• df.groupby('class').sum()
  • groupby() # 分组
  • sum() # 聚合
• df.group('class').agg({'age':sum, 'score':'count'})
  • 不同列进行不同聚合

转置

• df.groupby('class').sum().T
• df.groupby('class').sum().stack()
• df.groupby('class').sum().unstack()

函数

函数	作用
df.mean()	返回每一列的均值
df.mean(1)	返回每一行的均值，下同
df.corr()	返回列与列之间的相关系数
df.count()	返回每一列的非空个数
df.max()	返回每一列的最大值
df.min()	返回每一列的最小值
df.median()	返回每一列的中位数
df.std()	返回每一列的标准差
df.var()	求方差
df.mode()	求众数

绘图

• df['name'].plot()

  • 指定字段绘制图形

• df.loc['name', 'A':'B'].plot()

  • 指定某行多个字段绘制图形

• df.loc['name', 'A':'B'].plot().bar()

  函数	作用
  bar()	柱状图
  barh()	横向柱状图
  pie()	饼图