自己学习的代码整理文件,方便使用,想起来还会再接着补充
读取文件
import pandas as pd
#csv,excel,txt文件导入代码
##index_colindex_col='列名' 把此列作为index列
csv_data = pd.read_csv('文件路径.csv',encoding='utf-8')
excel_data = pd.read_excel('文件路径.xlsx',encoding='utf-8',encoding='utf-8')
txt_data = pd.read_table('文件路径.txt',encoding='utf-8')
存储文件
# sep='\t';index=False; encoding='utf-8'
csv_data.to_csv('文件名.csv')
txt_data.to_csv('文件名.txt')
excel_data.to_excel('文件名.xlsx')
更改Dataframe列名
data.columns=['列名1','列名2','列名3']
删除列、行
#labels:要删除的行或列,用列表给出
#axis:默认为0,指要删除的是行,删除列时需指定axis为1
#index :直接指定要删除的行,删除多行可以使用列表作为参数
#columns:直接指定要删除的列,删除多列可以使用列表作为参数
#inplace = True 覆盖之前的DataFrame
data.drop('列名',axis=1)
索引设置
#inplace=True 将序列号设置为索引
#drop = True 删除原始的索引
#如果要将原始索引保留为数据字符串,则可以在reset_index之后使用set_index
data.reset_index()
data.set_index()
缺失值删除
#inplace = True
#删除缺失行
data.dropna()
#删除缺失列
data.dropna(axis=1)
data.dropna(axis='columns')
# 删除所有值都缺失的行
data.dropna(how = 'all')
# 删除至少有两个缺失值的行
data.dropna(thresh = 2)
# 判断缺失值的列范围
data.dropna(subset = ['列1','列2'])
# 指定列的缺失值删除
data.列名.dropna()