Pandas是什么
Pandas 包 是基于 Python 平台的数据管理利器,已经成为了 Python 进行数据分析和挖掘 时的数据基础平台和事实上的工业标准。使用 Pandas 包完成数据读入、数据清理、数据准备、图表呈现等 工作,为继续学习数据建模和数据挖掘打下坚实基础。
安装
`pip install pandas`
Series对象创建
Series:一维数组,与Numpy中的一维array类似。它是一种类似于 一维数组的对象,是由一组数据(各种 NumPy 数据类型)以及一组与 之相关的数据标签(即索引)组成。仅由一组数据也可产生简单的 Series 对象。用值列表生成 Series 时,Pandas 默认自动生成整数 索引 。
pandas中两个重要的属性 values 和index,values:是Series对象的 原始数据。index:对应了Series对象的索引对象
DataFrame对象创建
DataFrame 是 Pandas 中的一个表格型的数据结构,包含有一组有 序的列,每列可以是不 同的值类型(数值、字符串、布尔型等),DataFrame 即有行索引也 有列索引,可以被看做是由 Series 组成的字典。将两个series对象作为dict的value传入,就可以创建一个 DataFrame对象。
导入Excel文件
使用read_excel()方法导入文件,首先要指定文件的路径。
❝
说明 :使用Pandas模块操作Excel时候,需要安装openpyxl
` 1. import pandas as pd 2. pd.read_excel('stu_data.xlsx') `
导入.xlsx文件时,指定导入哪个Sheet
` 1. pd.read_excel('stu_data.xlsx',sheet_name='Target') 2. pd.read_excel('stu_data.xlsx',sheet_name=0) `
导入.xlsx文件时,通过index_col指定行索引
`pd.read_excel('stu_data.xlsx',sheet_name=0,index_col=0)`
导入.xlsx文件时,通过header指定列索引
`pd.read_excel('stu_data.xlsx',sheet_name=0,header=1)`
有时候本地文件的列数太多,而我们又不需要那么多列时,我们就 可以通过设置usecols参数来指定要导入的列。
`pd.read_excel('stu_data.xlsx',usecols=[1,2,3])`
导入csv文件
导入csv文件时除了指明文件路径,还需要设置编码格式。Python 中用得比较多的两种编码格式是UTF-8和gbk,默认编码格式是UTF-8。我们要根据导入文件本身的编码格式进行设置,通过设置参数 encoding来设置导入的编码格式。
导入.csv文件,文件编码格式是gbk
`pd.read_csv('stu_data.csv',encoding='gbk')`
导入.csv文件,指明分隔符
` 1. pd.read_csv("stu_data.csv",encoding='gbk',sep=' ') 2. pd.read_csv('stu_data.csv',encoding='gbk',sep=',') `
导入txt文件
导入.txt文件用得方法时read_table(),read_table()是将利用分隔符 分开的文件导入。DataFrame的通用函数。它不仅仅可以导入.txt 文件,还可以导入.csv文件。
导入.txt文件
`pd.read_table('test_data.txt',encoding='utf8',sep='\t') `
导入.csv文件,指明分隔符
`pd.read_table('stu_data.csv',encoding='gbk',sep=',')`
读取数据库数据
配置 MySQL 连接引擎:
` 1. conn = pymysql.connect( 2. host = 'localhost', 3. user = 'root', 4. passwd = 'root', 5. db = 'mydb', 6. port=3306, 7. charset = 'utf8' ) `
读取数据表:
` 1. pd.read_sql( 2. sql :需要执行的 SQL 语句/要读入的表名称 3. con : 连接引擎名称 4. index_col = None :将被用作索引的列名称 5. columns = None :当提供表名称时,需要读入的列名称 6. list 7. ) 8. tab1 = pd.read_sql('select * from 9. emp',con=conn) 10. tab1 = pd.read_sql('select count(*) from 11. emp',con=conn) `
保存数据
保存数据至外部文件
` 1. df.to_csv( 2. filepath_or_buffer :要保存的文件路径 3. sep =:分隔符 4. columns :需要导出的变量列表 5. header = True :指定导出数据的新变量名,可直接 6. 提供 list 7. index = True :是否导出索引 8. mode = 'w' : Python 写模式,读写方式:r,r+ , 9. w , w+ , a , a+ encoding = 'utf-8' :默认 10. 导出的文件编码格式 11. ) `
` 1. df.to_excel( 2. filepath_or_buffer :要读入的文件路径 3. sheet_name = 1 Sheetl1 :要保存的表单名称 4. ) `
保存数据至数据库
` 1. df.to_sql( 2. name :将要存储数据的表名称 3. con : 连接引擎名称 4. if_exists = 'fail' :指定表已经存在时的处理方 5. 式 6. fail :不做任何处理(不插入新数据) 7. replace :删除原表并重建新表 8. append :在原表后插入新数据 9. index = True :是否导出索引 ) 10. #pip install sqlalchemy 11. from sqlalchemy import create_engine 12. con = 13. create_engine('mysql+pymysql://root:root@loc 14. alhost:3306/mydb?charset=utf8') 15. df.to_sql('t_stu',con,if_exists=append) `
了解数据
head()与 tail()
head()方法返回前 n 行(观察索引值),显示元素的数量默认是 5,但 可以传递自定义数值
tail()方法返回后 n 行观察索引值),显示元素的数量默认是 5,但可 以传递自定义数值
` 1. #浏览前几条记录 2. df.head() 3. df.head(10) 4. #浏览最后几条记录 5. df.tail() `
info()
info()方法查看数据表中的数据类型,而且不需要一列一列的查看, info()可以输出整个表 中所有列的数据类型。
`df.info()`
shape
shape()方法会以元组的形式返回行、列数。注意 shape 方法获取 行数和列数时不会把索 引和列索引计算在内。
`df.shape`
describe()
describe()方法就是可以就可以获取所有数值类型字段的分布值。
`df.describe()`
列操作
修改变量列
columns
`df.columns =新的名称 list`
rename()
` 1. df.rename( 2. columns =新旧名称字典:{旧名称,:新名称,} 3. inplace = False :是否直接替换原数据框) `
` 1. df.rename(columns = 2. {'newname':'name','newname2':'name2'}, 3. inplace = True ) `
筛选变量列
通过 df.var 或 df[var] 可以选择单列
❝
注意:但只适用于已存在的列,只能筛选单列,结果为 Series
` 1. df[[var]] 单列的筛选结果为 DataFream 2. df[['var1', 'var2']] 多列时,列名需要用列表形式提 3. 供(因此可使用列表中的切片操作) 多列的筛选结果为 DF `
删除变量列
` 1. df.drop( 2. index / columns =准备删除的行/列标签,多个时用列表 3. 形式提供 4. inplace = False :是否直接更改原数据框 ) `
` 1. df.drop(columns =['col1','col2']) 2. del df['column-name'] 直接删除原数据框相应的一列, 3. 建议尽量少用 4. del df.column_name #不允许 `
添加变量列
根据新数据添加
`df[cloumn] = pd.Series([val,val2,val3],index=[c1,c2,c3])`
根据原数据添加
`df[cloumn] = df[c2]+df[c3]`
变量类型的转换
Pandas 支持的数据类型
具体类型是 Python, Numpy 各种类型的混合,可以比下表分的更细
float int string bool datetime64[nsr] datetime64[nsr,tz] timedelta[ns] category object
df.dtypes :査看各列的数据类型
在不同数据类型间转换
` 1. df.astype( 2. dtype :指定希望转换的数据类型,可以使用 numpy 或 3. 者 python 中的数据类型:int/float/bool/str 4. copy = True :是否生成新的副本,而不是替换原数据框 5. errors = 'raise' : 转换出错时是否抛出错误, 6. raise/ ignore ) `
` 1. #将df里所有的列转换成str 2. df.astype('str') 3. df.astype('str').dtypes 4. #修改某一列数据的数据类型 5. df.column.astype ('str') 6. #转换错误 7. df.astype('int', errors = 'ignore').dtypes 明 8. 确指定转换类型的函数 `
旧版本方法:
pd.to_datetime ()
pd.to_timedelta ()
pd.to_numeric ()
pd.to_string()
建立索引
新建数据框时建立索引
所有的数据框默认都已经使用从 0 开始的自然数索引,因此这里 的"建立”索引指的是自定义索引
` 1. df = pd.DataFrame( {'varl' : 1.0, ' var2' : 2. [1,2,3,4], 'var3' : ['test', 'python','test', 3. 'hello'] , 'var4' : 'cons'} , index = 4. [0,1,2,3] 5. ) `
读入数据时建立索引
使用现有的列
`df = pd.read_csv ("filename",index_col="column”)`
使用复合列
`df = pd.read_csv ("filename", index_col=[0,1..])`
指定某列为索引列
` 1. df.set_index( 2. keys :被指定为索引的列名,复合索引用 list:格式 3. 提供 4. drop = True :建立索引后是否删除该列 5. append = False :是否在原索引基础上添加索引,默 6. 认是直接替换原索引 inplace = False :是否直 7. 接修改原数据框 ) `
` 1. df_new = df.set_index (keys=['学号','性别'],drop = False) 2. df_new = df.set_index (keys='学号',append=True, drop=False) `
将索引还原变量列
` 1. df.reset_index( 2. drop = False :是否将原索引直接删除,而不是还原为变量列 3. inplace = False :是否直接修改原数据框) `
引用和修改索引
引用索引
❝
注意:索引仍然是有存储格式的,注意区分数值型和字符型的引用方式
`df.index`
修改索引
修改索引名
本质上和变量列名的修改方式相同
` 1. df = pd.DataFrame({ 2. 'name':['zs','ls','ww'], 3. 'level':['vip1','vip2','pm'] 4. }) 5. df.index.name='sno' `
修改索引值
这里的修改本质上是全部替换
`df1.index = ['a', 'b', 'c']`
更新索引
reindex 则可以使用数据框中不存在的数值建立索引,并据此扩充 新索引值对应的索引行/ 列,同时进行缺失值填充操作。
` 1. df.reindex(labels :类数组结构的数值,将按此数值重建索引,非必需 2. copy = True :建立新对象而不是直接更改原 df/series 缺失数 3. 据的处理方式 4. method :针对已经排序过的索引,确定数据单元格无数据时 5. 的填充方法,非必需 6. pad / ffill:用前面的有效数值填充 7. backfill / bfill:用后面的有效数值填充 8. nearest:使用最接近的数值逬行填充 9. fill_value = np.NaN :将缺失值用什么数值替代 10. limit = None :向前/向后填充时的最大步长 11. ) `
` 1. import pandas as pd 2. df = pd.DataFrame({ 3. 'name':['zs','ls','ww'], 4. 'level':['vip1','vip2','pm'] 5. }) 6. df.reindex([0,1,3]) 7. df.reindex([0,1,2,3],method='ffill') 8. df.reindex([0,1,2,3],fill_value="test") `
Series的索引和切片
索引
` 1. import numpy as np 2. import pandas as pd 3. data=pd.Series([4,3,25,2,3],index=list('abcde')) 4. data['a'] #根据key获取 5. data[1] #索引获取 6. data[-1] `
切片
` 1. import numpy as np 2. import pandas as pd 3. data=pd.Series([4,3,25,2,3],index=list('abcde')) 4. data['a':'d'] 5. data[2:4] #索引切片 6. data[-3:-1] 7. data[data>3] `
如果索引与行名相同都是1,这时候就不知道是按照哪个来获取,所 以获取时候使用loc、iloc
loc函数:通过行索引 “Index” 中的具体值来取行数据及根据普通索 引获取。(如取"Index"为"A"的行)
iloc函数:通过行号来取行数据,及根据位置索引获取。
` 1. data=pd.Series([5,3,2,5,9],index=[1,2,3,4,5]) 2. data.loc[1] 3. data.iloc[1] `
DataFrame的索引和切片
选择列
当想要获取 df 中某列数据时,只需要在 df 后面的方括号中指明要 选择的列即可。如果是 一列,则只需要传入一个列名;如果是同时选择多列,则传入多个列 名即可(注意:多个列名 用一个 list 存放)
` 1. #获取一列 2. df[col] 3. #获取多列 4. df[[col1 , col2]] `
除了传入具体的列名,我们可以传入具体列的位置,即第几行,对 数据进行选取,通过传 入位置来获取数据时需要用到 iloc 方法。
`df.iloc[,[0,2]]`
按行列索引选择
DataFrame对象按照行列检索获取,可以使用loc和iloc函数,方括 号中逗号之前的部分表示要获取的行的索引,如果输入一个冒号, 或不输入任何数值表示获取所有的行或列,逗号之后方括号表示要 获取的列的索引。
` 1. df.loc[普通行索引,普通列索引] 2. df.iloc[位置行索引,位置列索引] `
isin()选择
df.isin(values) 返回结果为相应的位置是否匹配给出的 values
values 为序列:对应每个具体值
values 为字典:对应各个变量名称
values 为数据框:同时对应数值和变量名称
` 1. df.col.isin([1,3,5]) 2. df[ df.col.isin([1,3,5])] 3. df[ df.col.isin(['val1','val2'])] 4. df[ df.index.isin(['val1','val2'])] `
query()的使用
使用boolean值表达式进行筛选
` 1. df.query( 2. expr:语句表达式 3. inplace=False;是否直接替换原数据框 4. ) `
可以使用前缀“@”引用环境变量 等号为==,而不是=
` 1. df.query("col>10 and col<90 and col1=val") 2. limit = 5 3. df.query("col<=@limit & col==val") 4. df.query("col<=@limit & col!=val") `
排序
用索引排序
` 1. df.sort_index( 2. level :(多重索引时)指定用于排序的级别顺序号/名称18 3. ascending = True :是否为升序排列,多列时以表形式提供 4. inplace = False : 5. na_position = 'last‘ :缺失值的排列顺序, 6. first/last 7. ) `
` 1. df = pd.read_excel("stu_data.xlsx", 2. index_col=["学号”,”性别”]) df.set_index( ['学号','性别'], inplace = True ) 3. # 通过索引进行排序 4. df.sort_index() 5. df.sort_index(ascending = [True,False]) 6. #设置哪个索引进行排序 7. df.sort_index(level="支出") 8. df.sort_index(level= ["支出","体重"]) `
使用变量值排序
` 1. df.sort_values( 2. by :指定用于排序的变量名,多列时以列表形式提供 3. ascending = True :是否为升序排列 4. inplace = False ) `
` 1. # 根据值进行排序 2. df.sort_values(by='身高') `
计算新变量
新变量为常数
`df['vamame'] = value`
基于原变量做简单四则运算
` 1. df['var'] = df['oldvar'] *100 2. df['var'] = df.oldvar * 100 `
基于一个原变量做函数运算
` 1. df.apply( 2. func : 希望对行/列执行的函数表达式 3. axis = 0 :针对行还是列逬行计算 4. 0 ' index':针对每列进行计算 5. 1' columns ':针对每行逬行计算 6. ) `
简化的用法
df [’ varname ’ ] = df. oldvar. apply (函数表达式)
` 1. df['n5'] = df.体重.apply(math.sqrt) 2. df['n7'] = df.体重.apply(numpy.sqrt) `
不修改原df,而是生成新的df
df.assign(varname = expression)
在指定位置插入新变量列
` 1. df.insert( 2. loc :插入位置的索引值,0 <= loc <= len (columns) 3. column :插入的新列名称 4. value : Series 或者类数组结构的变量值 5. allow_duplicates = False :是否允许新列重名 6. ) `
#该方法会直接修改原 df
` 1. # 指定位置增加新列 2. df.insert(1,'new_col',100) 3. df.insert(1,'new_col2',df.课 4. 程.apply(get_first)) `
修改替换变量值
本质上是如何直接指定单元格的问题,只要能准确定位单元地址, 就能够做到准确替换。
对应数值的替换
` 1. df.replace( 2. to_replace = None :将被替换的原数值,所有严格匹配的数值 3. 将被用 value 替换,可以 4. str/regex/list/dict/Series/numeric/None 5. value = None :希望填充的新数值 6. inplace = False 7. ) `
指定数值范围的替换
方法一:使用正则表达式完成替换
`df.replace(regex, newvalue)`
方法二:使用行筛选方式完成替换 用行筛选方式得到行索引,然后用 loc 命令定位替换 目前也支持直接筛选出单元格进行数值替换
❝
注意:query 命令的类 SQL 语句可以逬行检索,但不直接支持数值替换
` 1. # 使用正则匹配数据 2. df.开设.replace(regex = '不.+',value = '可以',inplace = True) 3. #iloc loc 4. df.支出.iloc[0:3] = 20 5. df.支出.loc[0:2] =30 6. #条件筛选替换 7. df.体重[df.体重>70] =70 8. df[df.体重==70].体重 = 80 # 注意引用问题 9. #query()的使用 10. df.query('性别 == "女" and 体重 > 60 ').体重 =50 11. df.loc[df.query('性别 == "女" and 体重 > 60').体重.index,'体重'] = 50 `
数值变量分段
` 1. pd.cut( 2. X :希望逬行分段的变量列名称 3. bins :具体的分段设定 4. int :被等距等分的段数 5. sequence of scalars :具体的每一个分段起点,必须包括最值,可不等距 6. right = True :每段是否包括右侧界值 7. labels = None :为每个分段提供自定义标签 8. include_lowest = False :第一段是否包括最左侧界值,需要和 9. right 参数配合 10. ) `
#分段结果是数值类型为 Categories 的序列
pd.qcut # 按均值取值范围进行等分
` 1. #按均值取值范围进行等分 2. df['cut1'] = pd.qcut(df.身高,q=5) 3. #自定义分段 4. df['cut2'] = pd.cut(df.身高,bins=[150,160,170,180,190],right=False) `
数据分组
` 1. df.groupby( 2. by :用于分组的变量名/函数 3. level = None :相应的轴存在多重索引时,指定用于分组的级别 4. as_index = True :在结果中将组标签作为索引 5. sort = True :结果是否按照分组关键字逬行排序 6. )#生成的是分组索引标记,而不是新的 df `
基于拆分进行筛选
筛选出其中一组 dfgroup.get_group()
` 1. dfg.get_group ('不必要').mean () 2. dfg.get_group ('不必要').std () `
筛选出所需的列
该操作也适用于希望对不同的变量列进行不同操作时
分组汇总
在使用 groupby 完成数据分组后,就可以按照需求进行分组信息汇 总,此时可以使用其 它专门的汇总命令,如 agg 来完成汇总操作。
使用 agg 函数进行汇总
df.aggregate( ) 名称可以直接简写为 agg
` 1. dfg.agg( 'count') 2. dfg.agg('median') 3. dfg.agg(['mean', 'median']) 4. dfg.agg(['mean', 'median']) 5. #引用非内置函数 6. import numpy as np 7. df2.身高.agg (np. sum) 8. dfg.身高.agg (np. sum) `
多个数据源的合并
数据的纵向合并
` 1. df.append( 2. other :希望添加的 DF/Series/字典/上述对象的列表使用列表方式,就可以实现一次合并多个新对象 3. ignore_index = False :添加时是否忽略索引 4. verify_integrity = False :是否检查索引值的唯一性,有重复时报错 5. ) `
`df = df.append( [df2, df3, df4])`
数据的横向合并
merge 命令使用像 SQL 的连接方式
` 1. pd.merge( 2. 需要合并的 DF 3. left :需要合并的左侧 DF 4. right :需要合并的右侧 DF 5. how = ' inner':具体的连接类型 6. {left、right 、outer 、 inner、) 7. 两个 DF 的连接方式 8. on :用于连接两个 DF 的关键变量(多个时为列表),必须在两侧都出现 9. left_on :左侧 DF 用于连接的关键变量(多个时为列表) 10. right_on :右侧 DF 用于连接的关键变量(多个时为列表) 11. left_index = False :是否将左侧 DF 的索引用于连接 12. right_index = False :是否将右侧 DF 的索引用于连接 13. ) `
concat 命令
同时支持横向合并与纵向合并
` 1. pd.concat( 2. objs :需要合并的对象,列表形式提供 3. axis = 0 :对行还是对列方向逬行合并 4. (0 index 、 1 columns ) 5. join = outer :对另一个轴向的索引值如何逬行处理 6. (inner 、outer ) 7. ignore_index = False 8. keys = None :为不同数据源的提供合并后的索引值 9. verify_integrity = False 是否检查索引值的唯一性,有重复时报错 10. copy = True 11. ) `
` 1. ser1=pd.Series([1,2,3],index=list('ABC')) 2. ser2=pd.Series([4,5,6],index=list('DEF')) 3. pd.concat([ser1,ser2]) `
处理缺失值
认识缺失值
系统默认的缺失值 None 和 np. nan
缺失值查看
直接调用info()方法就会返回每一列的缺失情况。
Pandas中缺失值用NaN表示,从用info()方法的结果来看,索引1这 一列是1 2 non-null float64,表示这一列有2个非空值,而应该是 3个非空值,说明这一列有1个空值。还可以用isnull()方法来判断哪个值是缺失值,如果是缺失值则返回 True,如果不是缺失值返回False。df.isna(): 检查相应的数据是否为缺失值 同 df.isnull()。df.notna()等同于notnull()
检查多个单元格的取值是否为指定缺值
` 1. df.any( 2. axis : index (0), columns (1) 3. skipna = True :检查时是否忽略缺失值 4. level = None :多重索引时指定具体的级别 5. ) 6. df.all( 7. axis : index (0), columns (1) 8. skipna = True :检查时是否忽略缺失值 9. level = None :多重索引时指定具体的级别 10. ) `
填充缺失值
调用fillna()方法对数据表中的所有缺失值进行填充,在fillna()方法 中输入要填充的值。还可以通过method参数使用前一个数和后一 个数来进行填充。
` 1. df.fillna( 2. value :用于填充缺失值的数值,也可以提供dict/Series/DataFrame 以进—步指明哪些索引/列会被替换不能使用 list 3. method = None :有索引时具体的填充方法,向前填充,向后填充等 4. limit = None :指定了 method 后设定具体的最大填充步长,此步长不能填充 5. axis : index (0), columns (1) 6. inplace = False 7. ) `
` 1. data=pd.Series([3,4,np.nan,1,5,None]) 2. print('以0进行填充:') 3. print(data.fillna(0)) 4. print('以前一个数进行填充:') 5. print(data.fillna(method='ffill')) 6. print('以后一个数进行填充:') 7. print(data.fillna(method='bfill')) 8. print('先按前一个,再按后一个') 9. print(data.fillna(method='bfill').fillna(method='ffill')) `
删除缺失值
调用dropna()方法删除缺失值,dropna()方法默认删除含有缺失值 的行,也就是只要某一行有缺失值就把这一行删除。如果想按列为 单位删除缺失值,需要传入参数axis=’columns’。
` 1. df.dropna( 2. axis = 0 : index (0), columns (1) 3. how = any : any、all 4. any :任何一个为 NA 就删除 5. all :所有的都是 NA 删除 6. thresh = None :删除的数量阈值,int 7. subset :希望在处理中包括的行/列子集 8. inplace = False : 9. ) `
` 1. df=pd.DataFrame([[1,2,np.nan],[4,np.nan,6],[5,6,7]]) 2. print('默认为以行为单位剔除:') 3. print(df.dropna()) 4. print('以列为单位剔除:') 5. df.dropna(axis='columns') `
数据查重
标识出重复的行
标识出重复行的意义在于进一步检査重复原因,以便将可能的错误 数据加以修改
Duplicated
`df['dup' ] = df.duplicated( ['课程','开设'])`
利用索引进行重复行标识 df.index.duplicated()
` 1. df2 = df.set_index ( ['课程','开设'] ) 2. df2.index.duplicated () `
直接删除重复的行
` 1. drop_duplicates ( 2. subset=“ ”按照指定的行逬行去重 3. keep='first' 、 'last' 、 False 是否直接删除有重复的所有记录 4. ) `
` 1. df. drop_duplicates ( ['课程', '开设' ] ) 2. df. drop_duplicates ( ['课程', ‘开设' ] , keep= False ) `
日期时间变量
Timestamp
` 1. from datetime import datetime 2. pd.Timestamp(datetime(2032,1,1)) 3. pd.Timestamp(datetime(2032,1,2,3,4,5)) 4. pd.Timestamp(2032,1,2) 5. pd.Timestamp('2032-01-02 3:4:5') `
Peroid
可以被看作是简化之后的 Timestamp 对象
由于详细数据的不完整,而表示的是一段时间,而不是一个时点 但是实际使用中很可能是按照时点在使用 很多使用方法和 Timestamp 相同,因此不再详细介绍
` 1. pd.Period('2032-01') 2. pd.Period('2032-01',freq='D')#精确到日 `
数据交叉表
` 1. df.pivot_table( 2. 行列设定 3. index / columns :行变量/列变量,多个时以list 形式提供 4. 单元格设定 5. values :在单元格中需要汇总的变量列,可不写 6. aggfunc = numpy.mean : 相应的汇总函数 7. 汇总设定 8. margins = False :是否加入行列汇总 9. margins_name = 'All':汇总行/列的名称 10. 缺失值处理 11. fill_value = None :用于替换缺失值的数值 12. dropna = True 13. ) `
` 1. pd.crosstab( 2. 选项和 pivot_table 几乎相同 3. 相对而言需要打更多字母,因此使用更麻烦 4. 但是计算频数最方便 5. 输出格式为数据框 ) `
` 1. df.pivot_table(index = ['课程','性别'], 2. columns='开设',values = ['体重','身高'],aggfunc='sum') 3. pd.crosstab(index=[df.课程],columns=df.开设,values=df.体重,aggfunc=sum) `
数据的图形展示
` 1. df.plot( 2. 绘图用数据 3. data :数据框 4. x = None:行变量的名称/顺序号 5. y = None :列变量的名称/顺序号 6. kind = 'line':需要绘制的图形种类 7. line : line plot (default) 8. bar : vertical bar plot 9. barh : horizontal bar plot 10. hist : histogram 11. box : boxplot 12. kde : Kernel Density Estimation plot 13. density : same as kde 14. area : area plot 15. pie : pie plot 16. scatter : scatter plot 17. hexbin : hexbin plot 18. 各种辅助命令 19. figsize : a tuple (width, height) in inches 20. xlim / ylim : X/Y 轴的取值范围,2-tuple/list 格式 21. logx / logy / loglog = False :对 X/Y/双轴同时使用对数尺度 22. title : string or list 23. Alpha :图形透明度,0-1 24. 图组命令 25. subplots = False :是否分图组绘制图形 26. sharex :是否使用相同的 X 坐标 27. ax = None 时,取值为 True,否则取值为 False 28. sharey = False :是否使用相同的 Y 坐标 29. ax = None :需要叠加的 matplotlib 绘图对象 `
图形种类的等价写法 df.plot.kind()
配置绘图系统环境
` 1. import matplotlib.pyplot as plt 2. plt.rcParams['font.sans-serif']=['SimHei'] # 3. 指定默认字体 SimHei为黑体 4. plt.figure () 5. import seaborn as sns 6. sns.set_style('whitegrid') `
` 1. pd.value_counts(df.课程).plot.bar() 2. pd.value_counts(df.课程).plot(kind='bar') 3. pd.value_counts(df.课程).plot.barh() `
整理不易,希望对学习Pandas的小伙伴有所帮助!
点击下方安全链接前往获取
CSDN大礼包:《Python入门&进阶学习资源包》免费分享
👉Python实战案例👈
光学理论是没用的,要学会跟着一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。
👉Python书籍和视频合集👈
观看零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。
👉Python副业创收路线👈
这些资料都是非常不错的,朋友们如果有需要《Python学习路线&学习资料》,点击下方安全链接前往获取
CSDN大礼包:《Python入门&进阶学习资源包》免费分享
本文转自 网络,如有侵权,请联系删除。