欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

python數(shù)據(jù)處理67個pandas函數(shù)總結看完就用

 更新時間:2021年11月09日 10:25:10   作者:數(shù)據(jù)分析與統(tǒng)計學之美  
這篇文章主要介紹了python數(shù)據(jù)處理67個pandas函數(shù)的梳理總結,看完就可以去用了,有需要的朋友可以借鑒參考下,希望能夠有所幫助

不管是業(yè)務數(shù)據(jù)分析 ,還是數(shù)據(jù)建模。數(shù)據(jù)處理都是及其重要的一個步驟,它對于最終的結果來說,至關重要。

今天,就為大家總結一下 “Pandas數(shù)據(jù)處理” 幾個方面重要的知識,拿來即用,隨查隨查。

  • 導⼊數(shù)據(jù)
  • 導出數(shù)據(jù)
  • 查看數(shù)據(jù)
  • 數(shù)據(jù)選取
  • 數(shù)據(jù)處理
  • 數(shù)據(jù)分組和排序
  • 數(shù)據(jù)合并
# 在使用之前,需要導入pandas庫
import pandas as pd

導⼊數(shù)據(jù)

這里我為大家總結7個常見用法。

pd.DataFrame() # 自己創(chuàng)建數(shù)據(jù)框,用于練習

pd.read_csv(filename) # 從CSV⽂件導⼊數(shù)據(jù)

pd.read_table(filename) # 從限定分隔符的⽂本⽂件導⼊數(shù)據(jù)

pd.read_excel(filename) # 從Excel⽂件導⼊數(shù)據(jù)

pd.read_sql(query,connection_object) # 從SQL表/庫導⼊數(shù)據(jù)

pd.read_json(json_string) # 從JSON格式的字符串導⼊數(shù)據(jù)

pd.read_html(url) # 解析URL、字符串或者HTML⽂件,抽取其中的tables表格

導出數(shù)據(jù)

這里為大家總結5個常見用法。

df.to_csv(filename) #導出數(shù)據(jù)到CSV⽂件

df.to_excel(filename) #導出數(shù)據(jù)到Excel⽂件

df.to_sql(table_name,connection_object) #導出數(shù)據(jù)到SQL表

df.to_json(filename) #以Json格式導出數(shù)據(jù)到⽂本⽂件

writer=pd.ExcelWriter('test.xlsx',index=False) 
df1.to_excel(writer,sheet_name='單位')和writer.save(),將多個數(shù)據(jù)幀寫⼊同⼀個⼯作簿的多個sheet(⼯作表)

查看數(shù)據(jù)

這里為大家總結11個常見用法。

df.head(n) # 查看DataFrame對象的前n⾏

df.tail(n) # 查看DataFrame對象的最后n⾏

df.shape() # 查看⾏數(shù)和列數(shù)

df.info() # 查看索引、數(shù)據(jù)類型和內存信息

df.columns() # 查看字段(⾸⾏)名稱

df.describe() # 查看數(shù)值型列的匯總統(tǒng)計

s.value_counts(dropna=False) # 查看Series對象的唯⼀值和計數(shù)

df.apply(pd.Series.value_counts) # 查看DataFrame對象中每⼀列的唯⼀值和計數(shù)

df.isnull().any() # 查看是否有缺失值

df[df[column_name].duplicated()] # 查看column_name字段數(shù)據(jù)重復的數(shù)據(jù)信息

df[df[column_name].duplicated()].count() # 查看column_name字段數(shù)據(jù)重復的個數(shù)

數(shù)據(jù)選取

這里為大家總結10個常見用法。

df[col] # 根據(jù)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] # 按位置選取數(shù)據(jù)

s.loc['index_one'] # 按索引選取數(shù)據(jù)

df.iloc[0,:] # 返回第⼀⾏

df.iloc[0,0] # 返回第⼀列的第⼀個元素

df.loc[0,:] # 返回第⼀⾏(索引為默認的數(shù)字時,⽤法同df.iloc),但需要注意的是loc是按索引,iloc參數(shù)只接受數(shù)字參數(shù)

df.ix[[:5],["col1","col2"]] # 返回字段為col1和col2的前5條數(shù)據(jù),可以理解為loc和
iloc的結合體。

df.at[5,"col1"] # 選擇索引名稱為5,字段名稱為col1的數(shù)據(jù)

df.iat[5,0] # 選擇索引排序為5,字段排序為0的數(shù)據(jù)

數(shù)據(jù)處理

這里為大家總結16個常見用法。

df.columns= ['a','b','c'] # 重命名列名(需要將所有列名列出,否則會報錯)

pd.isnull() # 檢查DataFrame對象中的空值,并返回⼀個Boolean數(shù)組

pd.notnull() # 檢查DataFrame對象中的⾮空值,并返回⼀個Boolean數(shù)組

df.dropna() # 刪除所有包含空值的⾏

df.dropna(axis=1) # 刪除所有包含空值的列

df.dropna(axis=1,thresh=n) # 刪除所有⼩于n個⾮空值的⾏

df.fillna(value=x) # ⽤x替換DataFrame對象中所有的空值,⽀持

df[column_name].fillna(x)

s.astype(float) # 將Series中的數(shù)據(jù)類型更改為float類型

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=lambdax:x+1) # 批量更改列名

df.rename(columns={'old_name':'new_ name'}) # 選擇性更改列名

df.set_index('column_one') # 將某個字段設為索引,可接受列表參數(shù),即設置多個索引

df.reset_index("col1") # 將索引設置為col1字段,并將索引新設置為0,1,2...

df.rename(index=lambdax:x+1) # 批量重命名索引

數(shù)據(jù)分組、排序、透視

這里為大家總結13個常見用法。

df.sort_index().loc[:5] # 對前5條數(shù)據(jù)進⾏索引排序

df.sort_values(col1) # 按照列col1排序數(shù)據(jù),默認升序排列

df.sort_values(col2,ascending=False) # 按照列col1降序排列數(shù)據(jù)

df.sort_values([col1,col2],ascending=[True,False]) # 先按列col1升序排列,后按col2降序排列數(shù)據(jù)

df.groupby(col) # 返回⼀個按列col進⾏分組的Groupby對象

df.groupby([col1,col2]) # 返回⼀個按多列進⾏分組的Groupby對象

df.groupby(col1)[col2].agg(mean) # 返回按列col1進⾏分組后,列col2的均值,agg可以接受列表參數(shù),agg([len,np.mean])

df.pivot_table(index=col1,values=[col2,col3],aggfunc={col2:max,col3:[ma,min]}) # 創(chuàng)建⼀個按列col1進⾏分組,計算col2的最⼤值和col3的最⼤值、最⼩值的數(shù)據(jù)透視表

df.groupby(col1).agg(np.mean) # 返回按列col1分組的所有列的均值,⽀持

df.groupby(col1).col2.agg(['min','max'])

data.apply(np.mean) # 對DataFrame中的每⼀列應⽤函數(shù)np.mean

data.apply(np.max,axis=1) # 對DataFrame中的每⼀⾏應⽤函數(shù)np.max

df.groupby(col1).col2.transform("sum") # 通常與groupby連⽤,避免索引更改

數(shù)據(jù)合并

這里為大家總結5個常見用法。

df1.append(df2) # 將df2中的⾏添加到df1的尾部

df.concat([df1,df2],axis=1,join='inner') # 將df2中的列添加到df1的尾部,值為空的對應⾏與對應列都不要

df1.join(df2.set_index(col1),on=col1,how='inner') # 對df1的列和df2的列執(zhí)⾏SQL形式的join,默認按照索引來進⾏合并,如果df1和df2有共同字段時,會報錯,可通過設置lsuffix,rsuffix來進⾏解決,如果需要按照共同列進⾏合并,就要⽤到set_index(col1)

pd.merge(df1,df2,on='col1',how='outer') # 對df1和df2合并,按照col1,⽅式為outer

pd.merge(df1,df2,left_index=True,right_index=True,how='outer') #與 df1.join(df2, how='outer')效果相同

以上就是python數(shù)據(jù)處理67個pandas函數(shù)總結看完就用的詳細內容,更多關于python數(shù)據(jù)處理6pandas函數(shù)的資料請關注腳本之家其它相關文章!

相關文章

  • 使用pyQT5顯示網(wǎng)頁的實現(xiàn)步驟

    使用pyQT5顯示網(wǎng)頁的實現(xiàn)步驟

    本文主要介紹了使用pyQT5顯示網(wǎng)頁的實現(xiàn)步驟,文中通過示例代碼介紹的非常詳細,具有一定的參考價值,感興趣的小伙伴們可以參考一下
    2021-10-10
  • Python開發(fā)必須掌握的Pip使用全攻略

    Python開發(fā)必須掌握的Pip使用全攻略

    在這篇文章中,我們將深入探討Python的主要包管理工具——Pip,包括Pip的基本概念、安裝和配置、中國國內鏡像源的使用等,需要的可以參考一下
    2023-07-07
  • 對python中for、if、while的區(qū)別與比較方法

    對python中for、if、while的區(qū)別與比較方法

    今天小編就為大家分享一篇對python中for 、if、 while的區(qū)別與比較方法,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2018-06-06
  • Python運算符+與+=的方法實例

    Python運算符+與+=的方法實例

    這篇文章主要介紹了Python運算符+與+=的相關資料,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧
    2021-02-02
  • Python實現(xiàn)根據(jù)Excel生成Model和數(shù)據(jù)導入腳本

    Python實現(xiàn)根據(jù)Excel生成Model和數(shù)據(jù)導入腳本

    最近遇到一個需求,有幾十個Excel,每個的字段都不一樣,然后都差不多是第一行是表頭,后面幾千上萬的數(shù)據(jù),需要把這些Excel中的數(shù)據(jù)全都加入某個已經上線的Django項目。所以我造了個自動生成?Model和導入腳本的輪子,希望對大家有所幫助
    2022-11-11
  • Python 圖片視頻模糊化實現(xiàn)案例

    Python 圖片視頻模糊化實現(xiàn)案例

    本文主要分享一個可以將圖片或者視頻模糊化的工具代碼。技術路線主要是使用ffmpeg濾鏡。感興趣的小伙伴可以看一看
    2021-11-11
  • 基于Python實現(xiàn)在線二維碼生成工具

    基于Python實現(xiàn)在線二維碼生成工具

    這篇文章將為大家展示如何通過純Python編程的方式,開發(fā)出一個網(wǎng)頁應用—基于輸入的網(wǎng)址等文字內容實現(xiàn)二維碼的生成,感興趣的可以學習一下
    2022-05-05
  • python @classmethod 的使用場合詳解

    python @classmethod 的使用場合詳解

    這篇文章主要介紹了python @classmethod 的使用場合詳解,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下
    2019-08-08
  • 基于python實現(xiàn)語音錄入識別代碼實例

    基于python實現(xiàn)語音錄入識別代碼實例

    這篇文章主要介紹了如何通過python實現(xiàn)語音錄入識別,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下
    2020-01-01
  • pycharm 如何跳出服務器證書不受信任的提示

    pycharm 如何跳出服務器證書不受信任的提示

    這篇文章主要介紹了pycharm 跳出服務器證書不受信任的提示操作,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2021-03-03

最新評論