1. 读取
(a)csv格式
df = pd.read_csv('data/table.csv')
(b)txt格式
df_txt = pd.read_table('data/table.txt') #可设置sep分隔符参数
(c)xls或xlsx格式
df_excel = pd.read_excel('data/table.xlsx')
2. 写入
df.to_csv('data/new_table.csv')
df.to_excel('data/new_table2.xlsx', sheet_name='Sheet1')
基本数据结构
1. Series
(a)创建一个Series
s = pd.Series(np.random.randn(5),index=['a','b','c','d','e'],name='这是一个Series',dtype='float64')
对于一个Series,其中最常用的属性为值(values),索引(index),名字(name),类型(dtype)
(b)访问Series属性
s.values
s.name
(c)取出某一个元素
s['a']
(d)调用方法
s.mean()
attr for attr in dir(s) if not attr.startswith('_')
2. DataFrame
(a)创建一个DataFrame
df = pd.DataFrame({'col1':list('abcde'),'col2':range(5,10),'col3':[1.3,2.5,3.6,4.6,5.8]},
index=list('一二三四五'))
(b)从DataFrame取出一列为Series
df['col1']
(c)修改行或列名
df.rename(index={'一':'one'},columns={'col1':'new_col1'})
(d)调用属性和方法
df.index columns values shape mean() #本质上是一种Aggregation操作,将在第3章详细介绍
(e)索引对齐特性
这是Pandas中非常强大的特性,不理解这一特性有时就会造成一些麻烦
(f)列的删除与添加
对于删除而言,可以使用drop函数或del或pop
df.drop(index='五',columns='col1') #设置inplace=True后会直接在原DataFrame中改动
pop方法直接在原来的DataFrame上操作,且返回被删除的列,与python中的pop函数类似
df['col1']=[1,2,3,4,5]
df.pop('col1')
可以直接增加新的列,也可以使用assign方法
df1['B']=list('abc')
df1
df1.assign(C=pd.Series(list('def')))
但assign方法不会对原DataFrame做修改
(g)根据类型选择列
df.select_dtypes(include=['number']).head()
(h)将Series转换为DataFrame
s = df.mean()
s.name='to_DataFrame'
三、常用基本函数
1. head和tail
df = pd.read_csv('data/table.csv')
df.head()
df.tail()
2. unique和nunique
nunique显示有多少个唯一值
df['Physics'].nunique()
unique显示所有的唯一值
df['Physics'].unique()
3. count和value_counts
count返回非缺失值元素个数
df['Physics'].count()
value_counts返回每个元素有多少个
df['Physics'].value_counts()
4. describe和info
info函数返回有哪些列、有多少非缺失值、每列的类型
df.info()
describe默认统计数值型数据的各个统计量
df.describe()
可以自行选择分位数
df.describe(percentiles=[.05, .25, .75, .95])
对于非数值型也可以用describe函数
df['Physics'].describe()
5. idxmax和nlargest
idxmax函数返回最大值,在某些情况下特别适用,idxmin功能类似
df['Math'].idxmax()
nlargest函数返回前几个大的元素值,nsmallest功能类似
df['Math'].nlargest(3)
6. clip和replace
clip和replace是两类替换函数
clip是对超过或者低于某些值的数进行截断
df['Math'].clip(33,80)
replace是对某些值进行替换
df['Address'].replace(['street_1','street_2'],['one','two'])
通过字典,可以直接在表中修改
df.replace({'Address':{'street_1':'one','street_2':'two'}})
7. apply函数
apply是一个自由度很高的函数
对于Series,它可以迭代每一列的值操作:
df['Math'].apply(lambda x:str(x)+'!').head() #可以使用lambda表达式,也可以使用函数
对于DataFrame,它可以迭代每一个列操作:
df.apply(lambda x:x.apply(lambda x:str(x)+'!')).head() #这是一个稍显复杂的例子,有利于理解apply的功能
四、排序
1. 索引排序
df.set_index('Math').head() #set_index函数可以设置索引,将在下一章详细介绍
df.set_index('Math').sort_index().head() #可以设置ascending参数,默认为升序,True
2. 值排序
df.sort_values(by='Class')
多个值排序,即先对第一层排,在第一层相同的情况下对第二层排序
df.sort_values(by=['Address','Height'])