Pandas入门

日常工作中经常需要数据分析，以前都是python脚本读取文件然后统计，十分麻烦。尝试了下Pandas，真香！

!cat data

123	600
23	67
563	456
345	345

import pandas as pd

读取txt文件

df = pd.read_table("./data", sep="\t", header=None, names=["A", "B"])    # 添加自定义列名：A, B
print(df)

     A    B
0  123  600
1   23   67
2  563  456
3  345  345

添加新的列

df["C"] = df["B"] / df["A"]
print(df)
print(df[["A", "C"]])

     A    B         C
0  123  600  4.878049
1   23   67  2.913043
2  563  456  0.809947
3  345  345  1.000000
     A         C
0  123  4.878049
1   23  2.913043
2  563  0.809947
3  345  1.000000

条件过滤

• 单条件

t = df[df["C"]>2.5]
print(t)

     A    B         C
0  123  600  4.878049
1   23   67  2.913043

• 多条件

t = df[(df["A"]>100) & (df["C"]<3)]
print(t)

     A    B         C
2  563  456  0.809947
3  345  345  1.000000

保存到文件

df.to_csv("./final.txt", sep="\t", index=False, header=None)

!cat final.txt

123	600	4.878048780487805
23	67	2.9130434782608696
563	456	0.8099467140319716
345	345	1.0

列过滤并求和

!cat stu.csv

name,age
Tome,12
Jack,NULL
Node,13
Node,NULL

df = pd.read_csv("./stu.csv")
a= df[df["age"].notna()]["age"].sum()
print(a)

25.0

---

参考

• pandas里面按条件筛选