醒醒，别睡了...讲《数据分析pandas库》了—/—＜2＞

废话不多说，直接开讲!

一、

1、pandas变量类型的转换

Pandas 支持的数据类型 ：

        1、float：浮点型

        2、int：整型

        3、string：字符串类型

        4、bool：布尔类型

        5、datetime64[nsr]： 示精确到纳秒的日期和时间

        6、datetime64[nsr,tz]：表示带有时区信息的日期和时间

        7、timedelta[ns]：表示时间间隔，精度为纳秒

        8、category：用于表示具有有限个数不同取值的列。"category"类型可以看作是一种经过优化的"object"类型，适用于具有重复值的列，并且可以提供一些额外的性能优化和内存使用优势。

        9、object：用于表示混合类型的列，其中的值可以是任何Python对象。

df.dtypes:用于查看各列的数据类型

不同数据类型之间的转换，其使用方法如下：

#将df里所有的列转换成str
df.astype('str')
df.astype('str').dtypes
#修改某一列数据的数据类型
df.column.astype ('str')
#转换错误
df.astype('int', errors = 'ignore').dtypes #明确指定转换类型的函数：

2、Pandas中的Index

        Pandas中的Index，其实是不可变的一维数组

ind=pd.Index([3,4,5,6,7])
#根据下标获取值
ind[3]
#切片获取值
# ind[::2]
#有ndim shap dtype size属性
#但不能进行修改,如果修改就会报错
# ind[3]=20

3、导入Excel文件

        使用read_excel() 方法导入文件，首先要指定文件的路径。

注意：使用pandas操作excel使需要先安装openpyxl库

通过以下代码可以导入文件stu_data.xlsx，此时文件是存放在和代码同目录下的，所以是相对路径，而不是绝对路径

import pandas as pd
pd.read_excel('stu_data.xlsx')

3.1 导入.xlsx文件时，指定导入哪个Sheet

pd.read_excel('stu_data.xlsx',sheet_name='Target')
pd.read_excel('stu_data.xlsx',sheet_name=0)

3.2 导入.xlsx文件时，通过index_col指定行索引

pd.read_excel('stu_data.xlsx',sheet_name=0,index_col=0)

3.3 导入.xlsx文件时，通过header指定列索引

pd.read_excel('stu_data.xlsx',sheet_name=0,header=1)
pd.read_excel('stu_data.xlsx',sheet_name=0,header=None)

3.4 导入.xlsx文件时，通过usecols指定导入列

pd.read_excel('stu_data.xlsx',usecols=[1,2,3])

4、导入csv文件

        导入csv 文件时除了指明文件路径，还需要设置编码格式。 Python中用得比较多的两种编码格式是UTF-8 和 gbk ，默认编码格式是 UTF-8。我们要根据导入文件本身的编码格式进行设置，通过设置参数encoding来设置导入的编码格式。

4.1 导入.csv文件，文件编码格式是gbk

pd.read_csv('stu_data.csv',encoding='gbk')

4.2、导入.csv文件，指明分隔符

df =pd.read_csv("stu_data.csv",encoding='gbk',sep=' ')
pd.read_csv('stu_data.csv',encoding='gbk',sep=',')

5、导入txt文件

        导入.txt文件用得方法时read_table()，read_table()是将利用分隔符分开的文件导入。DataFrame的通用函数。它不仅仅可以导入.txt文件，还可以导入.csv文件。

5.1导入.txt文件

pd.read_table('test_data.txt',encoding='utf8',sep='\t')

5.2导入.csv文件，指明分隔符

pd.read_table('stu_data.csv',encoding='gbk',sep=',')

6、列操作

6.1 修改变量列

columns：

df.columns =新的名称 list
df.columns

rename()：

df.rename(columns =新旧名称字典：｛旧名称，：新名称，｝inplace = False :是否直接替换原数据框)

df.rename(columns =｛'newname':'name','newname2':'name2'｝,inplace = True ）

6.2 筛选变量列

1、通过 df.var 或 df[var] 可以选择单列， 但只适用于已存在的列，只能筛选单列，结果为 Series

2、通过 df[[var]] 可以选择多列

df[[var]] #单列的筛选结果为 DataFream
df[['var1', 'var2']]#多列时，列名需要用列表形式提供（因此可使用列表中的切片操作）多列的筛选结果为DF

6.3 删除变量列

df.drop（index / columns =准备删除的行/列标签，多个时用列表形式提供,inplace = False :是否直接更改原数据框 ）

用del删除，del删除的是全部删除，内存中都会删除

df.drop(columns =['col1','col2']）
del df['column-name'] 直接删除原数据框相应的一列，建议尽量少用
del df.column_name #不允许

6.4添加变量列

6.4.1 根据新数据添加

df[cloumn]=pd.Series([val,val2,val3],index=[c1,c2,c3])

6.4.2 根据原数据添加

df[cloumn] = df[c2]+df[c3]