json pandas 内存溢出_Python数据分析基本库—Pandas常用命令

在参考相关资料的基础上,做了一些补充,整理出Pandas常用命令如下

Pandas常用命令

说明[1]

•在这个速查手册中,我们使用如下缩写:

df:任意的Pandas DataFrame对象 s :任意的Pandas Series对象

•同时我们需要做如下的引入:

import pandas as pdimport numpy as np

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文件导入数据•pd.read_sql(query, connection_object):从SQL表/库导入数据•pd.read_json(json_string):从JSON格式的字符串导入数据•pd.read_html(url):解析URL、字符串或者HTML文件,抽取其中的tables表格•pd.read_clipboard():从你的粘贴板获取内容,并传给read_table()•pd.DataFrame(dict):从字典对象导入数据,Key是列名,Value是数据

导出数据

•df.to_csv(filename):导出数据到CSV文件•df.to_excel(filename):导出数据到Excel文件•df.to_sql(table_name, connection_object):导出数据到SQL表•df.to_json(filename):以Json格式导出数据到文本文件

创建测试对象

•pd.DataFrame(np.random.rand(20,5)):创建20行5列的随机数组成的DataFrame对象•pd.Series(my_list):从可迭代对象my_list创建一个Series对象•df.index = pd.date_range('1900/1/30', periods=df.shape[0]):增加一个日期索引

查看、检查数据

•df.head(n):查看DataFrame对象的前n行•df.tail(n):查看DataFrame对象的最后n行•df.shape():查看行数和列数 # Windows加括号报错•df.info():查看索引、数据类型和内存信息•df.columns 查看列•df.index 查看索引•df.describe()查看数值型列的汇总统计会对数字进行统计显示总数最大最小差值•s.value_counts(dropna=False):查看Series对象的唯一值和计数•df.apply(pd.Series.value_counts):查看DataFrame对象中每一列的唯一值和计数

数据选取

•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 支持索引、切片•s.loc['index_one']:按索引选取数据 没看懂这是什么鬼•df.iloc[0,:]:返回第一行 冒号表示从头到尾,可以指定切片长度•df.iloc[0,0]:返回第一列的第一个元素•df.iloc[:,0]: 返回第一列数据

数据清理

•df.columns = ['a','b','c']:重命名列名•pd.isnull().any():检查DataFrame对象中的空值,并返回一个Boolean数组•pd.notnull().any():检查DataFrame对象中的非空值,并返回一个Boolean数组•pd[pd.notnull() == True] 过滤所有的空值•pd[pd.列名.notnull() == True] 过滤本列中是空值的数据•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.dropna(axis=1,thresh=n):删除所有小于n个非空值的行•df.fillna(x):用x替换DataFrame对象中所有的空值•s.astype(float):将Series中的数据类型更改为float类型•s.replace(1,'one'):用‘one’代替所有等于1的值 测试中将浮点数替换int 整列变成int类型•s.replace([1,3],['one','three']):用'one'代替1,用'three'代替3•df.rename(columns=lambda x: x + 1):批量更改列名•df.rename(columns={'old_name': 'new_ name'}):选择性更改列名•df.set_index('column_one'):更改索引列•df.rename(index=lambda x: x + 1):批量重命名索引

数据处理:Filter、Sort和GroupBy

•df[df[col] > 0.5]:选择col列的值大于0.5的行•df.sort_values(col1):按照列col1排序数据,默认升序排列•df.sort_values(col2, ascending=False):按照列col1降序排列数据•df.sort_values([col1,col2], ascending=[True,False]):先按列col1升序排列,后按col2降序排列数据•df.groupby(col):返回一个按列col进行分组的Groupby对象 . 真的返回个队形地址•df.groupby([col1,col2]):返回一个按多列进行分组的Groupby对象 .•df.groupby(col1)[col2]:返回按列col1进行分组后,列col2的均值 . 还是返回地址•df.pivot_table(index=col1, values=[col2,col3], 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•customer_data.pivot_table(index='refer', values='age', aggfunc=[max, min]) . 显示每个渠道的最大最小值•df.groupby(col1).agg(np.mean):返回按列col1分组的所有列的均值,经常用于按渠道显示每个渠道的平均值,每个渠道的年龄平均值(最大最小行整条数据)•data.apply(np.mean):对DataFrame中的每一列应用函数np.mean•data.apply(np.max,axis=1):对DataFrame中的每一行应用函数np.max

数据处理:添加新列

•根据当前处理结果将结果添加到新的列/增加一列•frame['test'] = frame.apply(lamubda x: function(x.city, x.year), axis = 1)•function是编写的函数

数据合并

•df1.append(df2):将df2中的行添加到df1的尾部•df.concat([df1, df2],axis=1):将df2中的列添加到df1的尾部•df1.join(df2,on=col1,how='inner'):对df1的列和df2的列执行SQL形式的join

数据统计

•df.describe():查看数据值列的汇总统计•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 离散度•数值越大表示数据越散

绘图

pandas的两类基本数据结构series和dataframe都提供了一个统一的接口plot()

•df.plot.bar():bar条形图,bar()函数有一个重要的参数,stacked,默认为false,表示不堆积,设置为true则表示为堆积。•df.plot.hist(alpha=0.5):histogram•df.plot.box():box绘图•df.plot.area():area绘图•df.plot.hexbin(x='a', y='b', gridsize=25):Hexagonal Bin Plot

所有绘图方法[2]

•‘bar’ or ‘barh’ for bar plots #条状图•‘hist’ for histogram #频率柱状图(计算某些值出现的频率)•‘box’ for boxplot #箱线图()•‘kde’ or ‘density’ for density plots #密度图(需要scipy这个包)•‘area’ for area plots #区域图(不同域的面积占比)•‘scatter’ for scatter plots #散点图 >>> plt.scatter(df['part A'], df['part B'])•‘hexbin’ for hexagonal bin plots # >>> plt.hexbin(df['part A'], df['part B'], df['part C'])•‘pie’ for pie plots #饼图,比较适合与Series对象,看不同的占比

时间[3]

•df['date'] = pd.to_datetime(df['date']):将数据类型转换为日期类型•df = df.set_index('date'):将date设置为index•df['2010'].head():获取某年的数据•df['2013-11'].head():获取某月的数据•df["订单生成时间"] = pd.to_datetime(df["订单生成时间"])•df["时间"] = df["订单生成时间"].dt.hour #提取时间•df["日期"] = df["订单生成时间"].dt.date #提取日期•DataFrame.truncate(before=None, after=None, axis=None, copy=True):获取某个日期之前/后或时间区间的数据

References

[1] 说明: https://www.cnblogs.com/valorchang/p/11690888.html[2] 所有绘图方法: https://blog.csdn.net/genome_denovo/java/article/details/78322628[3] 时间: https://blog.csdn.net/weixin_42782150/article/details/90632688

近期文章

Python入门:

Python安装与环境配置

Python基础用法 |《Python与开源GIS》

Python读取excel的两种方法

Python读取json数据

Python基本库——解析库XPath

Python基本库—正则表达式(regex)

python数据分析基本库—Pandas(一)

Python数据分析基本库——Pandas(二)

Python数据分析基本库——Matplotlib(一)

第一个Python爬虫

空间分析:

开工了开工了!空间计量模型系列教程一

空间计量模型系列教程二

情人节特辑之带有惊喜的空间计量模型系列教程三

空间计量模型系列教程四

空间计量模型系列教程五(完结啦)

空间计量||空间权重矩阵

空间计量——用GeoDa和stata生成空间权重矩阵的方法

空间计量|| matlab实现空间计量模型SAR、SEM、SDM

分享||空间计量科研工具(一)

区域经济:

经济地理学是经济学还是地理学?附重点外文期刊目录

经济地理基本认识:异质性与尺度、格局、结构、功能

分享||区域与城市经济学、房地产经济学与资源环境经济学慕课

复旦大学城市经济研究所推荐阅读文献

北京大学《城市经济学》推荐阅读文献

城市、区域经济学必读书目推荐

其他:

MK突变检验的matla实现

一个机智的MATLAB出图tips

综合评价||泰尔指数的matlab实现

空间计量之评价||DEA常见模型的matlab的实现(1)——CCR

空间计量之评价||DEA常见模型的matlab的实现(2)——非期望产出SBM

空间计量之评价||DEA常见模型的matlab的实现(2)——无非期望产出SBM

CiteSpace实操教程

基于SPSS的调查问卷信度和效度检验

b3d4db1a18936a27763ae0f67087231c.png

如果觉得有用就点一下“在看”

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值