pandas函数指南

Pandas是Python的一个数据分析包，该工具为解决数据分析任务而创建。以字典形式，基于NumPy创建，让NumPy为中心的应用变得更加简单。Pandas 相当于 Window 中 ExCel，使用表（DataFrame)，能在数据上做各种变换。

1.导入数据

pd.read_csv(filename)                  ：从CSV文件导入数据
pd.read_table(filename)                ：从限定分隔符的文本文件导入数据
pd.read_excel(filename)                ：从Excel文件导入数据
pd.read_sql(query, connection_object)  ：从SQL表/库导入数据
pd.read_json(json_string)              ：从JSON格式的字符串导入数据
pd.read_html(url)                      ：解析URL、字符串或者HTML文件，抽取其中的tables表格
pd.read_clipboard()                    ：从粘贴板获取内容，并传给read_table() #一般用于命令行
pd.DataFrame(dict)                     ：从字典对象导入数据，Key是列名，Value是数据

2.导出数据（DataFrame的函数）

df.to_csv(filename)                        ：导出数据到CSV文件
df.to_excel(filename)                      ：导出数据到Excel文件
df.to_sql(table_name, connection_object)   ：导出数据到SQL表
df.to_json(filename)                       ：以Json格式导出数据到文本文件

3.创建数据

#创建Series
pd.Series(list)：从可迭代对象list来创建一个Series对象
s = pd.Series([1,2,3,np.nan,5,6])  #索引默认从0开始

#创建DataFrame 
pd.DataFrame(np.random.rand(4,5))：创建一个4行5列的随机数组成的DataFrame
df.index = pd.date_range('1900/1/30', periods=df.shape[0])：增加一个日期索引

4. 查看

df.shape()                          ：查看行数和列数
df.head(n)                          ：查看DataFrame对象的前n行
df.tail(n)                          ：查看DataFrame对象的最后n行
df.info()                           ：查看索引、数据类型和内存信息
df.describe()                       ：查看数值型列的汇总统计
df.apply(pd.Series.value_counts)    ：查看DataFrame对象中每一列的唯一值和计数
s.value_counts(dropna=False)        ：查看Series对象的唯一值和计数

5.数据选取

df[col]             ：根据列名，并以Series的形式返回列
df[[col1, col2]]    ：以DataFrame形式返回多列
s.iloc[0]           ：按位置选取数据
s.loc['index_one']  ：按索引选取数据
df.iloc[0,:]        ：返回第一行
df.iloc[0,0]        ：返回第一列的第一个元素

6.数据清理

df.columns = ['a','b','c']                       ：重命名列名
pd.isnull()                                      ：检查DataFrame对象中的空值，并返回一个Boolean数组
pd.notnull()                                     ：检查DataFrame对象中的非空值，并返回一个Boolean数组
df.dropna()                                      ：删除所有包含空值的行
df.dropna(axis=1)                                ：删除所有包含空值的列
df.dropna(axis=1,thresh=n)                       ：删除所有小于n个非空值的行
df.fillna(x)                                     ：用x替换DataFrame对象中所有的空值
s.astype(float)                                  ：将Series中的数据类型更改为float类型
s.replace(1,'one')                               ：用'one'代替所有等于1的值
s.replace([1,3],['one','three'])                 ：用'one'代替1，用'three'代替3
df.rename(columns=lambda x: x + 1)               ：批量更改列名
df.rename(columns={'old_name': 'new_ name'})     ：选择性更改列名
df.set_index('column_one')                       ：更改索引列
df.rename(index=lambda x: x + 1)                 ：批量重命名索引

7.数据处理过滤排序组合

df[df[col] > 0.5]                                    ：选择col列的值大于0.5的行
df.sort_values(col1)                                 ：按照列col1排序数据，默认升序排列
df.sort_values(col2, ascending=False)                ：按照列col1降序排列数据
df.sort_values([col1,col2], ascending=[True,False])  ：先按列col1升序排列，后按col2降序排列数据
df.groupby(col)                                      ：返回一个按列col进行分组的Groupby对象
df.groupby([col1,col2])                              ：返回一个按多列进行分组的Groupby对象
df.groupby(col1)[col2]                               ：返回按列col1进行分组后，列col2的均值
df.groupby(col1).agg(np.mean)                        ：返回按列col1分组的所有列的均值
data.apply(np.mean)                                  ：对DataFrame中的每一列应用函数np.mean
data.apply(np.max,axis=1)                            ：对DataFrame中的每一行应用函数np.max
df.pivot_table(index=col1, values=[col2,col3], aggfunc=max)：创建一个按列col1进行分组，并计算col2和col3的最大值的数据透视表

8.数据合并

df.append(df1)                      ：将df1中的行添加到df的尾部
df.concat([df1, df2],axis=1)         ：将df2中的列添加到df1的尾部
df.join(df1,on=col1,how='inner')    ：对df的列和df1的列执行SQL形式的join

9.数据统计

df.describe()      ：查看数据值列的汇总统计
df.mean()          ：返回所有列的均值
df.corr()          ：返回列与列之间的相关系数
df.count()         ：返回每一列中的非空值的个数
df.max()           ：返回每一列的最大值
df.min()           ：返回每一列的最小值
df.median()        ：返回每一列的中位数
df.std()           ：返回每一列的标准差

参考：https://blog.csdn.net/qq_41705041/article/details/92732929