pandas

 一、导包

import pandas as pd
import numpy as np

二、数据结构分为Series（一维数组）和DataFrame（存储二维数据结构）

  1.Series

   import pandas as pd  //导包

pd.Series(data=None, index=None, dtype=None)

  参数:

• data：传入的数据，可以是ndarray、list等
• index：索引，必须是唯一的，且与数据的长度相等。如果没有传入索引参数，则默认会自动创建一个从0-N的整数索引。
• dtype：数据的类型

 

Series的属性

data.index (查看左边一列的具体数）

data.values((查看右2.边一列的具体数）

 2.DataFrame

# 导入pandas
import pandas as pd

pd.DataFrame(data=None, index=None, columns=None)

• data是传入的数据
• index：行标签。如果没有传入索引参数，则默认会自动创建一个从0-N的整数索引。
• columns：列标签。如果没有传入索引参数，则默认会自动创建一个从0-N的整数索引。

算术运算：

#对某一列进行加法操作
data['xxxx'].add(10)

 逻辑运算：

 

#将大于39的数据列出来
data["xxxx"] >39

筛选

data[data["xxxx"] > 23].head()

完成多个逻辑判断

data[(data["xxxx"] > 23) & (data["xxxx"] < 70)].head()

逻辑运算函数：

data.query()

统计运算：

data.describle()//描述，如平均值，最大值，中位数等

data.sum()//总和

data.mean()//平均值

data.min()//最小值

导入数据

data=pd.read_csv(r"文件路径",encoding='gbk')

数据的缺失值处理:

data.isnull()//判断是否有缺失值，有则显示True

data.notnull()//判断是否有缺失值，无则显示False

删除缺失值：

data.dropna()//不修改原数据

可以定义新的变量接受
one = data.dropna()

替换缺失值：

data.['xxx'].fillna(data['xxxx'])

将*变为np.nan：

• data.replace(to_replace='*', value=np.nan)
  • to_replace:替换前的值
  • value:替换后的值

数据离散化：

  筛选出数据:

  

p_change= data['xxxx']

   对数据进行分组：

  qcut=pd.qcut(p_change,20)//自行分组，如分为20组

  qcut.value_counts()//统计每组的个数

   自定义分组：

   bins=[1,20,30,48]

   p_counts=pd.cut(p_change,bins)

ansh