pandas DataFrame操作（2）

pandas DataFrame操作（2）

1. 读取csv格式数据

pd.DataFrame.from_csv(“csv_file”)

或

pd.read_csv(“csv_file”)

2. 读取 Excel 数据集

pd.read_excel("excel_file")

3. 将 DataFrame 直接写入 CSV 文件

如下采用逗号作为分隔符，且不带索引：

df.to_csv("data.csv", sep=",", index=False)

4. 基本的数据集特征信息

df.info

5. 基本的数据集统计信息

print(df.describe())

6. 将 DataFrame 输出到一张表

print(tabulate(print_table, headers=headers))

注：当「print_table」是一个列表，其中列表元素还是新的列表，「headers」为表头字符串组成的列表。

7. 列出所有列的名字

df.columns

8. 删除缺失数据

df.dropna(axis=0, how='any')

注：返回一个 DataFrame，其中删除了包含任何 NaN 值的给定轴，选择 how=「all」会删除所有元素都是 NaN 的给定轴。

9. 替换缺失数据

df.replace(to_replace=None, value=None)

注：使用 value 值代替 DataFrame 中的 to_replace 值，其中 value 和 to_replace 都需要我们赋予不同的值

10. 检查空值 NaN

pd.isnull(object)

注：检查缺失值，即数值数组中的 NaN 和目标数组中的 None/NaN。

11. 删除特征

df.drop('feature_variable_name', axis=1)

注：axis 选择 0 表示行，选择表示列。

12. 将目标类型转换为浮点型

pd.to_numeric(df["feature_name"], errors='coerce')

注：将目标类型转化为数值从而进一步执行计算，在这个案例中为字符串。

13. 将 DataFrame 转换为 NumPy 数组

df.as_matrix()

14. 取 DataFrame 的前面「n」行

df.head(n)

15. 通过特征名取数据

df.loc[feature_name]

16. 对 DataFrame 使用函数

该函数将令 DataFrame 中「height」列的所有值乘上 2：

df["height"].apply(*lambda* height: 2 * height)

或：

def multiply(x):
    return x * 2

df["height"].apply(multiply)

17. 重命名列

下面代码会重命名 DataFrame 的第三列为「size」：

df.rename(columns = {df.columns[2]:'size'}, inplace=True)

18. 取某一列的唯一实体

下面代码将取「name」列的唯一实体：

df["name"].unique()

19. 访问子 DataFrame

以下代码将从 DataFrame 中抽取选定了的列「name」和「size」：

new_df = df[["name", "size"]]

20. 总结数据信息

# Sum of values in a data frame
df.sum()
# Lowest value of a data frame
df.min()
# Highest value
df.max()
# Index of the lowest value
df.idxmin()
# Index of the highest value
df.idxmax()
# Statistical summary of the data frame, with quartiles, median, etc.
df.describe()
# Average values
df.mean()
# Median values
df.median()
# Correlation between columns
df.corr()
# To get these values for only one column, just select it like this#
df["size"].median()

21. 给数据排序

df.sort_values(ascending = False)

22. 布尔型索引

以下代码将过滤名为「size」的列，并仅显示值等于 5 的列：

df[df["size"] == 5]