pandas详细用法

DataFrame（数据框）必须掌握的函数

导入数据

pd.read_csv(filename)：从csv文件导入数据
pd.read_table(filename)：从限定分隔符的文本文件导入数据
pd.read_excel(filename)：从excel导入数据
pd.read_html(url)： 解析url、字符串或者html文件，抽取其中的tables表格

选择数据

df[col]：根据列名，并以series的形式返回列
df[col1,col2]：以dataframe形式返回多列
s.iloc[0]：按位置选取数据
s.loc['index]：按索引选取数据
df.iloc[0,:]：返回第一行
df.iloc[0,0]：返回第一行的第一个元素

查看数据与统计变量

df.describe()：查看数据列值得汇总统计
df.mean()：返回所有列的均值
df.corr()：返回列与列之间的相关系数
df.count()：返回每一列中的非空值的个数
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

数据处理

df.columns=[‘a’,‘b’,‘c’]：重命名列名
pd.isnull()：检查dataframe对象中的控制，并返回一个boolean数组
pd.notnull()：检查dataframe对象中的非空值，并返回一个boolean数组
df.dropna()：删除所有包含空值的行
df.dropna(axis=1)：删除所有包含空值的列
df.fillna(x)：用x替换dataframe对象中所有的空值
s.astype(float)：将series中的数据类型更换为float类型
s.replace(1,‘one’)：用one代替所有等于1的值
s.replace([1,3],[‘one’,‘three’])：用one代替1，用three代替3
df[df[col]>0,5]：选择col的值大于0.5的行
df.sort_values(col1)：按照col1排序数据，默认升序排列
df.sort_values(col2，ascending=False)：按照col1降序排序数据
df.groupby(col)：返回一个按列col进行分组的groupby对象
df.pivot_table(index=col1,values=[col2,clo3],aggfunc=max)：创建一个按列col1进行分组，并计算col2和col3的最大值的数据透视表
data.apply(np.mean)：对dataframe中的一列应用函数np.mean