处理表格数据的时候经常用到pandas,每次用的时候都要去查函数,每次记不住,每次都查,哈哈哈,自己整理一下,码住。
一、Pandas的数据类型
进行数据分析时,如何正确使用数据类型,这非常重要。在pandas中的数据类型和python原生数据类型有相似又有不同,这是比较头疼的地方。
1.下表给出Pandas,Python和Numpy数据类型的总结
Pandas dtype | Python类型 | Numpy类型 | 用途 |
---|---|---|---|
object | str | string,unicode | 文本 |
int64 | int | int_,int8,int16,int64,uint8,uint16,uint32,uint64 | 整数 |
float64 | float | float_,float16,float32,float64 | 浮点数 |
bool | bool | bool_ | 布尔值 |
datetime64[ns] | NA | NA | 日期时间 |
timedelta[ns] | NA | NA | 时间差 |
category | NA | NA | 有限长度的文本值列表 |
2.dtype查看数据类型
import pandas as pd
df = pd.read_csv('文件路径')
df.dtypes()
3.astype强制修改数据类型
df.index.astype('int64') # 索引类型转换
df.astype('int64') # 所有数据转换为 int64
df.astype('int64', copy=False) # 不与原数据关联
df.astype({'A': 'int32'}) # 指定字段转换类型
df['A'].astype('float') # 指定字段转换类型
二、生成数据表
1.读取文件
# 导入pandas
import pandas as pd
# 导入numpy
import numpy as np
# 导入csv或xlsx文件
df = pd.read_csv('文件路径')
df = pd.read_excel('文件路径')
2.用pandas创建数据表
df = pd.DataFrame(
{"id": [1001,1002,1003,1004,1005,1006],
"date": pd.date_range('20130102', periods=6),
"city": ['Beijing ', 'SH', ' guangzhou ', 'Shenzhen', 'shanghai', 'BEIJING '],
"age": [23,44,54,32,34,32],
"category": ['100-A','100-B','110-A','110-C','210-A','130-F'],
"price": [1200,np.nan,2133,5433,np.nan,4432]},
columns=['id','date','city','category','age','price'])
三、数据表信息查看
1.维度查看
df.shape # (6, 6)
2.数据表基本信息
df.info()
3.每一列的数据类型
df.dtypes
4.查看某一列的数据类型
df['A'].dtype
5.空值
df.isnull()
6.查看某一列的空值
df['A'].isnull()
7.查看某一列的唯一值
df['A'].unique()