pandas怎么在Python中應(yīng)用

本篇文章為大家展示了pandas怎么在Python中應(yīng)用，內(nèi)容簡明扼要并且容易理解，絕對能使你眼前一亮，通過這篇文章的詳細介紹希望你能有所收獲。

1、首先導(dǎo)入pandas庫，一般都會用到numpy庫，所以我們先導(dǎo)入備用：

import numpy as npimport pandas as pd

2、導(dǎo)入CSV或者xlsx文件：

df = pd.DataFrame(pd.read_csv('name.csv',header=1))df = pd.DataFrame(pd.read_excel('name.xlsx'))

3、用pandas創(chuàng)建數(shù)據(jù)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'])

二、數(shù)據(jù)表信息查看

1、維度查看：

df.shape

2、數(shù)據(jù)表基本信息（維度、列名稱、數(shù)據(jù)格式、所占空間等）：

df.info()

3、每一列數(shù)據(jù)的格式：

df.dtypes

4、某一列格式：

df['B'].dtype

5、空值：

df.isnull()

6、查看某一列空值：

df.isnull()

7、查看某一列的唯一值：

df['B'].unique()

8、查看數(shù)據(jù)表的值：

df.values

9、查看列名稱：

df.columns

10、查看前10行數(shù)據(jù)、后10行數(shù)據(jù)：

df.head() #默認前10行數(shù)據(jù)df.tail()  #默認后10 行數(shù)據(jù)

相關(guān)推薦：《Python視頻教程》

三、數(shù)據(jù)表清洗

1、用數(shù)字0填充空值：

df.fillna(value=0)

2、使用列prince的均值對NA進行填充：

df['prince'].fillna(df['prince'].mean())

3、清楚city字段的字符空格：

df['city']=df['city'].map(str.strip)

4、大小寫轉(zhuǎn)換：

df['city']=df['city'].str.lower()

5、更改數(shù)據(jù)格式：

df['price'].astype('int')

6、更改列名稱：

df.rename(columns={'category': 'category-size'})

7、刪除后出現(xiàn)的重復(fù)值：

df['city'].drop_duplicates()

8、刪除先出現(xiàn)的重復(fù)值：

df['city'].drop_duplicates(keep='last')

9、數(shù)據(jù)替換：

df['city'].replace('sh', 'shanghai')

四、數(shù)據(jù)預(yù)處理

df1=pd.DataFrame({"id":[1001,1002,1003,1004,1005,1006,1007,1008], "gender":['male','female','male','female','male','female','male','female'],"pay":['Y','N','Y','Y','N','Y','N','Y',],"m-point":[10,12,20,40,40,40,30,20]})

1、數(shù)據(jù)表合并

df_inner=pd.merge(df,df1,how='inner') # 匹配合并，交集df_left=pd.merge(df,df1,how='left')    #df_right=pd.merge(df,df1,how='right')df_outer=pd.merge(df,df1,how='outer') #并集

2、設(shè)置索引列

df_inner.set_index('id')

3、按照特定列的值排序：

df_inner.sort_values(by=['age'])

4、按照索引列排序：

df_inner.sort_index()

5、如果prince列的值>3000，group列顯示high，否則顯示low：

df_inner['group'] = np.where(df_inner['price'] > 3000,'high','low')

6、對復(fù)合多個條件的數(shù)據(jù)進行分組標記

df_inner.loc[(df_inner['city'] == 'beijing') & (df_inner['price'] >= 4000), 'sign']=1

7、對category字段的值依次進行分列，并創(chuàng)建數(shù)據(jù)表，索引值為df_inner的索引列，列名稱為category和size

pd.DataFrame((x.split('-') for x in df_inner['category']),index=df_inner.index,columns=['category','size']))

8、將完成分裂后的數(shù)據(jù)表和原df_inner數(shù)據(jù)表進行匹配

df_inner=pd.merge(df_inner,split,right_index=True, left_index=True)

五、數(shù)據(jù)提取

主要用到的三個函數(shù)：loc,iloc和ix，loc函數(shù)按標簽值進行提取，iloc按位置進行提取，ix可以同時按標簽和位置進行提取。

1、按索引提取單行的數(shù)值

df_inner.loc[3]

2、按索引提取區(qū)域行數(shù)值

df_inner.iloc[0:5]

3、重設(shè)索引

df_inner.reset_index()

4、設(shè)置日期為索引

df_inner=df_inner.set_index('date')

5、提取4日之前的所有數(shù)據(jù)

df_inner[:'2013-01-04']

6、使用iloc按位置區(qū)域提取數(shù)據(jù)

df_inner.iloc[:3,:2] #冒號前后的數(shù)字不再是索引的標簽名稱，而是數(shù)據(jù)所在的位置，從0開始，前三行，前兩列。

7、適應(yīng)iloc按位置單獨提起數(shù)據(jù)

df_inner.iloc[[0,2,5],[4,5]] #提取第0、2、5行，4、5列

8、使用ix按索引標簽和位置混合提取數(shù)據(jù)

df_inner.ix[:'2013-01-03',:4] #2013-01-03號之前，前四列數(shù)據(jù)

9、判斷city列的值是否為北京

df_inner['city'].isin(['beijing'])

10、判斷city列里是否包含beijing和shanghai，然后將符合條件的數(shù)據(jù)提取出來

df_inner.loc[df_inner['city'].isin(['beijing','shanghai'])]

11、提取前三個字符，并生成數(shù)據(jù)表

pd.DataFrame(category.str[:3])

六、數(shù)據(jù)篩選

使用與、或、非三個條件配合大于、小于、等于對數(shù)據(jù)進行篩選，并進行計數(shù)和求和。

1、使用“與”進行篩選

df_inner.loc[(df_inner['age'] > 25) & (df_inner['city'] == 'beijing'), ['id','city','age','category','gender']]

2、使用“或”進行篩選

df_inner.loc[(df_inner['age'] > 25) | (df_inner['city'] == 'beijing'), ['id','city','age','category','gender']].sort(['age'])

3、使用“非”條件進行篩選

df_inner.loc[(df_inner['city'] != 'beijing'), ['id','city','age','category','gender']].sort(['id'])

4、對篩選后的數(shù)據(jù)按city列進行計數(shù)

df_inner.loc[(df_inner['city'] != 'beijing'), ['id','city','age','category','gender']].sort(['id']).city.count()

5、使用query函數(shù)進行篩選

df_inner.query('city == ["beijing", "shanghai"]')

6、對篩選后的結(jié)果按prince進行求和

df_inner.query('city == ["beijing", "shanghai"]').price.sum()

七、數(shù)據(jù)匯總

主要函數(shù)是groupby和pivote_table

1、對所有的列進行計數(shù)匯總

df_inner.groupby('city').count()

2、按城市對id字段進行計數(shù)

df_inner.groupby('city')['id'].count()

3、對兩個字段進行匯總計數(shù)

df_inner.groupby(['city','size'])['id'].count()

4、對city字段進行匯總，并分別計算prince的合計和均值

df_inner.groupby('city')['price'].agg([len,np.sum, np.mean])

八、數(shù)據(jù)統(tǒng)計

數(shù)據(jù)采樣，計算標準差，協(xié)方差和相關(guān)系數(shù)

1、簡單的數(shù)據(jù)采樣

df_inner.sample(n=3)

2、手動設(shè)置采樣權(quán)重

weights = [0, 0, 0, 0, 0.5, 0.5]df_inner.sample(n=2, weights=weights)

3、采樣后不放回

df_inner.sample(n=6, replace=False)

4、采樣后放回

df_inner.sample(n=6, replace=True)

5、 數(shù)據(jù)表描述性統(tǒng)計

df_inner.describe().round(2).T #round函數(shù)設(shè)置顯示小數(shù)位，T表示轉(zhuǎn)置

6、計算列的標準差

df_inner['price'].std()

7、計算兩個字段間的協(xié)方差

df_inner['price'].cov(df_inner['m-point'])

8、數(shù)據(jù)表中所有字段間的協(xié)方差

df_inner.cov()

9、兩個字段的相關(guān)性分析

df_inner['price'].corr(df_inner['m-point']) #相關(guān)系數(shù)在-1到1之間，接近1為正相關(guān)，接近-1為負相關(guān)，0為不相關(guān)

10、數(shù)據(jù)表的相關(guān)性分析

df_inner.corr()

九、數(shù)據(jù)輸出

分析后的數(shù)據(jù)可以輸出為xlsx格式和csv格式

1、寫入Excel

df_inner.to_excel('excel_to_python.xlsx', sheet_name='bluewhale_cc')

2、寫入到CSV

df_inner.to_csv('excel_to_python.csv')

上述內(nèi)容就是pandas怎么在Python中應(yīng)用，你們學到知識或技能了嗎？如果還想學到更多技能或者豐富自己的知識儲備，歡迎關(guān)注億速云行業(yè)資訊頻道。