本篇文章给大家带来的内容是关于Python的pandas中常用函数的总结,有一定的参考价值,有需要的朋友可以参考一下,希望对你有所帮助。
pandas是python中的 一个数据处理库,同样在使用的时候我们要先输入import pandas as pd引入。
1.df = pd.read_csv("文件路径"):这是读取csv文件的方法,如果要读取excel或其他文档,都有相应的read函数。
2.df.dtypes:如果在文件中有字符型数据返回的是object。
3.df.head(n):将前n行数据显示出来,如果不传入参数则显示前5行数据。
4.df.tail(n):将后n行数据显示出来,如果不传入参数则显示后5行数据。
5.df.columns:以列表的形式显示数据表的列名。
6.df.shape:以元组的形式显示表中数据的行数和列数。
7.df.loc[n]:返回索引值为n的行。
8.df.loc[m][n]:返回索引值为m行n列的数据。
9.df.loc[m:n]:返回索引值为m到n的行。
10.df.loc[[m,n,k]]:返回索引值分别为m,n,k的行。
11.df["str"]:返回列名为str的这一列。
12.df.columns.tolist():将列名做成列表。
13.df["str"]*df["str"]:两列维度相同,则两列的对应位置相乘。
14.df.sort_values("str",inplace=True,ascending=False):将str一列按照降序排列,且得到的数据替换原数据。inplace表示是否用排序后的数据替代原数据,默认为False,也就是不替换。ascending表示排序的顺序,默认为True,也就是按照升序排列。
15.judge = pd.isnull(df["str"]):返回bool型值,str这一列的数据是空值返回True,不是空值返回False。
16.a["judge"]:返回judge为True,也就是缺失的数据,这时再调用len()函数即可求得缺失数据的个数。
17.df.pivot_table(index="a",values="b",aggfunc=np.mean):这是一个很重要的函数,将b求平均值,按照a的类别进行分类,第三个参数默认为求平均值。
18.df.loc[n,"str"]:定位到第n行,列名为str处的数据。
19.sort_res.reset_index(drop=True):将排序后的数据的编号也重新排列,drop指是否丢弃原数据。运行后的结果与14的图对比可以发现,编号已经重新排列了。
20.df.apply():这是在pandas中的自定义函数的使用方法,括号中传入函数名。