Python数据分析—pandas类库常用方法

一.pandas

        Pandas是用于数据操纵和分析，建立在Numpy之上的。Pandas为Python带来了两种新的数据结构：Pandas Series和Pandas DataFrame，借助这两种数据结构，我们能够轻松直观地处理带标签数据和关系数据。

Pandas功能：

• 允许为行和列设定标签
• 可以针对时间序列数据计算滚动统计学指标
• 轻松处理NaN值
• 能够将不同的数据集合并在一起
• 与Numpy和Matplotlib集成

二.常用方法

1，df.reset_index(drop=True) 重置索引，会创建一个新对象。默认保留原来索引，加上drop=True删除原来索引。

2，df.set_index() 设置一列索引。

3，df.drop() 删除指定行值或列值（axis = 1 列 axis = 0 行，默认为行）。

df.drop(index=df[df["价格"].isnull()].index, inplace=True) #例如：删除价格为空的所有行

4，del df["列"] 删除一列值。

5，df.dropna() 删除指定的行或者列 为空 的值。

6，df.drop_duplicated() 删除重复值，可指定列，指定保留第一行，或者最后一行。

7，df.loc["行","列"] 通过标签定位数据，df.iloc[:] 通过索引定位数据。

8，df.sort_values("列",axis=0, ascending=True) 排序。Series不需要参数列，ascending默认True升序。

9，df.describe() 快速列出数据的概要，多个维度的汇总统计。

10，df.info() 索引，数据类型，内存信息等。

11，df.unique() 返回一个Series里面唯一值组成的数组。

12，df.sum() 计算一列的和。

13，df.count() 计算非NaN值的总量。

14，df.mean() 计算一列的平均值。

15，df.median() 计算一列的中位数。

16，df.mode() 计算一列的众数。

17，df.var() 计算一列的方差。

18，df.std() 计算一列的标准差。

19，df.min() 计算一列的最小值。

20，df.max() 计算一列的最大值。

21，df.value_counts() 计算一列中数据出现的频率。

22，df.groupby() 分组。

23，df.head() 取出数据的前几行。

24，df.tail() 取出数据的后几行。

25，read_csv()，read_excel()，read_sql()，read_json()，read_html() 等.... pandas提供的读取数据方法。

26，to_excel() 写入excel文件，可以用pd.ExcelWriter()申明对象存储多个sheet。

27，pd.contact() ，pd.append() 行数据合并拼接，只在axis = 0上操作。

28，pd.merge() 数据关联操作，类sql,可以设置关联方向：left, right,inner,outer。 join()类merge，但是只能在索引关联。

29，pd.rename(columns={"原名":"修改名"}, inplace = True) 修改列名。

30，df["列"].fillna(0) 把一列里面为空的赋值为0.

31，df["列"].astype(int) 转换一列数据类型。

32，df.agg() 指定列或者行上 一个或者多个操作数据聚合。