从Excel到Python：最常用的36个Pandas函数
关于Excel，你一定用的到的36个Python函数
本文涉及pandas最常用的36个函数，通过这些函数介绍如何完成数据生成和导入、数据清洗、预处理，以及最常见的数据分类，数据筛选，分类汇总，透视等最常见的操作。另外#在学习Python的过程中，往往因为没有好的教程或者没人指导从而导致自己容易放弃，为此我建了个Python交流.裙 ：一久武其而而流一思（数字的谐音）转换下可以找到了，里面有最新Python教程项目可拿,不懂的问题多跟里面的人交流，都会解决哦！
生成数据表
常见的生成数据表的方法有两种，第一种是导入外部数据，第二种是直接写入数据。
Excel中的“文件”菜单中提供了获取外部数据的功能，支持数据库和文本文件和页面的多种数据源导入。
Python支持从多种类型的数据导入。在开始使用Python进行数据导入前需要先导入numpy和pandas库
import numpy as np import pandas as pd
导入外部数据
df=pd.DataFrame(pd.read_csv('name.csv',header=1)) df=pd.DataFrame(pd.read_Excel('name.xlsx'))c
里面有很多可选参数设置，例如列名称、索引列、数据格式等
直接写入数据
df = pd.DataFrame({"id":[1001,1002,1003,1004,1005,1006], "date":pd.date_range('20130102', periods=6), "city":['Beijing ', 'SH', ' guangzhou ', 'Shen zhen', 'shanghai', 'BEIJING '], "age":[23,44,54,32,34,32], "category":['100-A','100-B','110-A','110-C','2 10-A','130-F'], "price":[1200,np.nan,2133,5433,np.nan,4432]}, columns =['id','date','city','category','age', 'price'])
数据表检查
数据表检查的目的是了解数据表的整体情况，获得数据表的关键信息、数据的概况，例如整个数据表的大小、所占空间、数据格式、是否有 空值和重复项和具体的数据内容，为后面的清洗和预处理做好准备。
1.数据维度(行列)
Excel中可以通过CTRL+向下的光标键，和CTRL+向右的光标键 来查看行号和列号。Python中使用shape函数来查看数据表的维度，也就是行数和列数。
df.shape
2.数据表信息
使用info函数查看数据表的整体信息，包括数据维度、列名称、数据格式和所占空间等信息。#数据表信息
http://df.info() <class 'pandas.core.frame.DataFrame'> RangeIndex: 6 entries, 0 to 5 Data columns (total 6 columns): id 6 non-null int64 date 6 non-null datetime64[ns] city 6 non-null object category 6 non-null object age 6 non-null int64 price 4 non-null float64 dtypes: datetime64[ns](1), float64(1), int64(2), object(2) memory usage: 368.0+ bytes
3.查看数据格式
Excel中通过选中单元格并查看开始菜单中的数值类型来判断数 据的格式。Python中使用dtypes函数来返回数据格式。
Dtypes是一个查看数据格式的函数，可以一次性查看数据表中所 有数据的格式，也可以指定一列来单独查看
#查看数据表各列格式 df.dtypes id int64 date datetime64[ns] city object category object age int64 price float64 dtype: object #查看单列格式 df['B'].dtype dtype('int64')
4.查看空值
Excel中查看空值的方法是使用“定位条件”在“开始”目录下的“查找和选择”目录.
Isnull是Python中检验空值的函数
#检查数据空值 df.isnull()
#检查特定列空值 df['price'].isnull()
5.查看唯一值
Excel中查看唯一值的方法是使用“条件格式”对唯一值进行颜色 标记。
Python中使用unique函数查看唯一值。
#查看city列中的唯一值 df['city'].unique() array(['Beijing ', 'SH', ' guangzhou ', 'Shenzhen', 'shanghai', ' BEIJING '], dtype=object)
6.查看数据表数值
Python中的Values函数用来查看数据表中的数值
#查看数据表的值 df.values
7.查看列名称
Colums函数用来单独查看数据表中的列名称。
#查看列名称 df.columns Index(['id', 'date', 'city', 'category', 'age', 'price'], dtype=' object')
8.查看前10行数据
Head函数用来查看数据表中的前N行数据
#查看前3行数据 df.head(3)
9.查看后10行数据
Tail行数与head函数相反，用来查看数据表中后N行的数据
#查看最后3行 df.tail(3)
数据表清洗
本章介绍对数据表中的问题进行清洗，包括对空值、大小写问题、数据格式和重复值的处理。
1.处理空值(删除或填充)
Excel中可以通过“查找和替换”功能对空值进行处理
Python中处理空值的方法比较灵活，可以使用 Dropna函数用来删除数据表中包含空值的数据，也可以使用fillna函数对空值进行填充。
#删除数据表中含有空值的行 df.dropna(how='any')
也可以使用数字对空值进行填充
#使用数字0填充数据表中空值 df.fillna(value=0)
使用price列的均值来填充NA字段，同样使用fillna函数，在要填充的数值中使用mean函数先计算price列当前的均值，然后使用这个均值对NA进行填充。
#使用price均值对NA进行填充 df['price'].fillna(df['price'].mean()) Out[8]: 0 1200.0 1 3299.5 2 2133.0 3 5433.0 4 3299.5 5 4432.0 Name: price, dtype: float64
2.清理空格
字符中的空格也是数据清洗中一个常见的问题
#清除city字段中的字符空格 df['city']=df['city'].map(str.strip)
3.大小写转换
在英文字段中，字母的大小写不统一也是一个常见的问题。Excel中有UPPER，LOWER等函数，Python中也有同名函数用来解决 大小写的问题。
#city列大小写转换 df['city']=df['city'].str.lower()
4.更改数据格式
Excel中通过“设置单元格格式”功能可以修改数据格式。
Python中通过astype函数用来修改数据格式。
#更改数据格式 df['price'].astype('int') 0 1200 1 3299 2 2133 3 5433 4 3299 5 4432 Name: price, dtype: int32
5.更改列名称
Rename是更改列名称的函数，我们将来数据表中的category列更改为category-size。
#更改列名称 df.rename(columns={'category': 'category-size'})
6.删除重复值
Excel的数据目录下有“删除重复项”的功能
Python中使用drop_duplicates函数删除重复值
df['city'] 0 beijing 1 sh 2 guangzhou 3 shenzhen 4 shanghai 5 beijing Name: city, dtype: object
city列中beijing存在重复，分别在第一位和最后一位 drop_duplicates()函数删除重复值
#删除后出现的重复值 df['city'].drop_duplicates() 0 beijing 1 sh 2 guangzhou 3 shenzhen 4 shanghai Name: city, dtype: object
设置keep='last‘’参数后，与之前删除重复值的结果相反，第一位 出现的beijing被删除
#删除先出现的重复值 df['city'].drop_duplicates(keep='last') 1 sh 2 guangzhou 3 shenzhen 4 shanghai 5 beijing Name: city, dtype: objec
7.数值修改及替换
Excel中使用“查找和替换”功能就可以实现数值的替换
Python中使用replace函数实现数据替换
#数据替换 df['city'].replace('sh', 'shanghai') 0 beijing 1 shanghai 2 guangzhou 3 shenzhen 4 shanghai 5 beijing Name: city, dtype: object
数据预处理
本章主要讲的是数据的预处理，对清洗完的数据进行整理以便后期的统计和分析工作。主要包括数据表的合并，排序，数值分列，数据分组及标记等工作。
1.数据表合并
在Excel中没有直接完成数据表合并的功能，可以通过VLOOKUP函数分步实现。在Python中可以通过merge函数一次性实现。
#建立df1数据表 df1=pd.DataFrame({"id":[1001,1002,1003,1004,1005,1006,1007,1008], "gender":['male','female','male','female','male ','female','male','female'], "pay":['Y','N','Y','Y','N','Y','N','Y',], "m-point":[10,12,20,40,40,40,30,20]})
使用merge函数对两个数据表进行合并，合并的方式为inner，将 两个数据表中共有的数据匹配到一起生成新的数据表。并命名为 df_inner。
#数据表匹配合并 df_inner=pd.merge(df,df1,how='inner')
合并的方式还有left，right和outer方式
df_left=pd.merge(df,df1,how='left') df_right=pd.merge(df,df1,how='right') df_outer=pd.merge(df,df1,how='outer')
2.设置索引列
索引列可以进行数据提取，汇总，数据筛选
#设置索引列 df_inner.set_index('id')
3.排序(按索引，按数值)
Excel中可以通过数据目录下的排序按钮直接对数据表进行排 序
Python中需要使用ort_values函数和sort_index函数完成排序
#按特定列的值排序 df_inner.sort_values(by=['age'])
Sort_index函数用来将数据表按索引列的值进行排序。
#按索引列排序 df_inner.sort_index()
4.数据分组
Excel中可以通过VLOOKUP函数进行近似匹配来完成对数值的分组，或者使用“数据透视表”来完成分组
Python中使用Where函数用来对数据进行判断和分组
#如果price列的值>3000，group列显示high，否则显示low df_inner['group'] = np.where(df_inner['price'] > 3000,'high','low ')
还可以对多个字段的值进行判断后对数据进行分组，下面的代码中对city列等于beijing并且price列大于等于4000的数据标记为1。
#对复合多个条件的数据进行分组标记 df_inner.loc[(df_inner['city'] == 'beijing') & (df_inner['price'] >= 4000), 'sign']=1
5.数据分列
Excel中的数据目录下提供“分列”功能。
在Python中使用split函数实现分列在数据表中category列中的数据包含有两个信息，前面的数字为类别id，后面的字母为size值。中间以连字符进行连接。我们使用split函数对这个字段进行拆分，并将拆分后的数据表匹配回原数据表中。
#对category字段的值依次进行分列，并创建数据表，索引值为df_inner的索引列，列名称为category和size pd.DataFrame((x.split('-') for x in df_inner['category']),index=d f_inner.index,columns=['category','size'])
#将完成分列后的数据表与原df_inner数据表进行匹配 df_inner=pd.merge(df_inner,split,right_index=True, left_index=Tru e)
数据提取
1.按标签提取(loc)
#按索引提取单行的数值 df_inner.loc[3] id 1004 date 2013-01-05 00:00:00 city shenzhen category 110-C age 32 price 5433 gender female m-point 40 pay Y group high sign NaN category_1 110 size C Name: 3, dtype: object
使用冒号可以限定提取数据的范围，冒号前面为开始的标签值后面为结束的标签值。
#按索引提取区域行数值 df_inner.loc[0:5]
Reset_index函数用于恢复索引，这里我们重新将date字段的日期 设置为数据表的索引，并按日期进行数据提取。
#重设索引 df_inner.reset_index()
#设置日期为索引 df_inner=df_inner.set_index('date')
#提取4日之前的所有数据 df_inner[:'2013-01-04']
2.按位置提取(iloc)
使用iloc函数按位置对数据表中的数据进行提取，这里冒号前后 的数字不再是索引的标签名称，而是数据所在的位置，从0开始。
#使用iloc按位置区域提取数据 df_inner.iloc[:3,:2]
iloc函数除了可以按区域提取数据，还可以按位置逐条提取
#使用iloc按位置单独提取数据 df_inner.iloc[[0,2,5],[4,5]]
前面方括号中的0,2,5表示数据所在行的位置，后面方括号中的数表示所在列的位置。
3.按标签和位置提取（ix）
ix是loc和iloc的混合，既能按索引标签提取，也能按位置进行数 据提取.
#使用ix按索引标签和位置混合提取数据 df_inner.ix[:'2013-01-03',:4]
4.按条件提取（区域和条件值）
使用loc和isin两个函数配合使用，按指定条件对数据进行提取
#判断city列的值是否为beijing df_inner['city'].isin(['beijing']) date 2013-01-02 True 2013-01-05 False 2013-01-07 True 2013-01-06 False 2013-01-03 False 2013-01-04 False Name: city, dtype: bool
将isin函数嵌套到loc的数据提取函数中，将判断结果为Ture数据 提取出来。这里我们把判断条件改为city值是否为beijing和shanghai。如果是就把这条数据提取出来。
#先判断city列里是否包含beijing和shanghai，然后将复合条件的数据提取出来。 df_inner.loc[df_inner['city'].isin(['beijing','shanghai'])]
数据筛选
按条件筛选（与、或、非）
Excel数据目录下提供了“筛选”功能，用于对数据表按不同的条 件进行筛选。
Python中使用loc函数配合筛选条件来完成筛选功能。配合sum和count函数还能实现Excel中sumif和countif函数的功能。使用“与”条件进行筛选，条件是年龄大于25岁，并且城市为 beijing。
#使用“与”条件进行筛选 df_inner.loc[(df_inner['age'] > 25) & (df_inner['city'] == 'beiji ng'), ['id','city','age','category','gender']]/
#使用“或”条件筛选 df_inner.loc[(df_inner['age'] > 25) | (df_inner['city'] == 'beiji ng'), ['id','city','age','category','gender']].sort(['age'])
#使用“非”条件进行筛选 df_inner.loc[(df_inner['city'] != 'beijing'), ['id','city','age', 'category','gender']].sort(['id'])
在前面的代码后面增加city列，并使用count函数进行计数。相当于Excel中的countifs函数的功能
#对筛选后的数据按city列进行计数 df_inner.loc[(df_inner['city'] != 'beijing'), ['id','city','age', 'category','gender']].sort(['id']).city.count()
还有一种筛选的方式是用query函数
#使用query函数进行筛选 df_inner.query('city == ["beijing", "shanghai"]')
在前面的代码后增加price字段和sum函数。对筛选后的price字段 进行求和，相当于Excel中的sumifs函数的功能。
#对筛选后的结果按price进行求和 df_inner.query('city == ["beijing", "shanghai"]').price.sum() 12230
数据汇总
Excel中使用分类汇总和数据透视可以按特定维度对数据进行汇总，Python中使用的主要函数是groupby和pivot_table。
1.分类汇总
#对所有列进行计数汇总 df_inner.groupby('city').count()/
#对特定的ID列进行计数汇总 df_inner.groupby('city')['id'].count() city beijing 2 guangzhou 1 shanghai 2 shenzhen 1 Name: id, dtype: int64
#对两个字段进行汇总计数 df_inner.groupby(['city','size'])['id'].count() city size beijing A 1 F 1 guangzhou A 1 shanghai A 1 B 1 shenzhen C 1 Name: id, dtype: int64
还可以对汇总后的数据同时按多个维度进行计算
#对city字段进行汇总并计算price的合计和均值。 df_inner.groupby('city')['price'].agg([len,np.sum, np.mean])
2.数据透视
Python中通过pivot_table函数实现同样的效果
#设定city为行字段，size为列字段，price为值字段。 分别计算price的数量和金额并且按行与列进行汇总。 pd.pivot_table(df_inner,index=["city"],values=["price"],columns=[ "size"],aggfunc=[len,np.sum],fill_value=0,margins=True)
数据统计
1.数据采样
Excel的数据分析功能中提供了数据抽样的功能
Python通过sample函数完成数据采样
#简单的数据采样 df_inner.sample(n=3)
Weights参数是采样的权重，通过设置不同的权重可以更改采样的结果
#手动设置采样权重 weights = [0, 0, 0, 0, 0.5, 0.5] df_inner.sample(n=2, weights=weights)
Sample函数中参数replace，用来设置采样后是否放回
#采样后不放回 df_inner.sample(n=6, replace=False) #采样后放回 df_inner.sample(n=6, replace=True)
2.描述统计
Python中可以通过Describe对数据进行描述统计
#数据表描述性统计 df_inner.describe().round(2).T
3.相关分析
Python中则通过corr函数完成相关分析的操作，并返回相关系数。
#相关性分析 df_inner['price'].corr(df_inner['m-point']) 0.77466555617085264 #数据表相关性分析 df_inner.corr()
数据输出
1.写入Excel
#输出到Excel格式 df_inner.to_Excel('Excel_to_Python.xlsx', sheet_name='bluewhale_c c')
2.写入csv
#输出到CSV格式 df_inner.to_csv('Excel_to_Python.csv')
以上就是本次分享，如果你有不懂的#在学习Python的过程中，往往因为没有好的教程或者没人指导从而导致自己容易放弃，为此我建了个Python交流.裙 ：一久武其而而流一思（数字的谐音）转换下可以找到了，里面有最新Python教程项目可拿,不懂的问题多跟里面的人交流，都会解决哦！
本文的文字及图片来源于网络加上自己的想法,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。
6334
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
