Pandas 是基于 NumPy 構(gòu)建的庫，在數(shù)據(jù)處理方面可以把它理解為 NumPy 加強(qiáng)版，同時 Pandas 也是一項開源項目。它基于 Cython，因此讀取與處理數(shù)據(jù)非?？欤⑶疫€能輕松處理浮點數(shù)據(jù)中的缺失數(shù)據(jù)（表示為 NaN）以及非浮點數(shù)據(jù)。

本文中，基本數(shù)據(jù)集操作主要介紹了 CSV 與 Excel 的讀寫方法，基本數(shù)據(jù)處理主要介紹了缺失值及特征抽取，最后的 DataFrame 操作則主要介紹了函數(shù)和排序等方法。

基本數(shù)據(jù)集操作

1.讀取 CSV 格式的數(shù)據(jù)集

pd.DataFrame.from_csv(“csv_file”)

或者：

pd.read_csv(“csv_file”)

2.讀取 Excel 數(shù)據(jù)集

pd.read_excel("excel_file")

3.將 DataFrame 直接寫入 CSV 文件

如下采用逗號作為分隔符，且不帶索引：

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

4.基本的數(shù)據(jù)集特征信息

df.info()

5.基本的數(shù)據(jù)集統(tǒng)計信息

print(df.describe())

6.Print data frame in a table

將 DataFrame 輸出到一張表：

print(tabulate(print_table, headers=headers))

當(dāng)「print_table」是一個列表，其中列表元素還是新的列表，「headers」為表頭字符串組成的列表。

7.列出所有列的名字

df.columns

基本數(shù)據(jù)處理

8.刪除缺失數(shù)據(jù)

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

返回一個 DataFrame，其中刪除了包含任何 NaN 值的給定軸，選擇 how=「all」會刪除所有元素都是 NaN 的給定軸。

9.替換缺失數(shù)據(jù)

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

使用 value 值代替 DataFrame 中的 to_replace 值，其中 value 和 to_replace 都需要我們賦予不同的值。

10.檢查空值 NaN

pd.isnull(object)

檢查缺失值，即數(shù)值數(shù)組中的 NaN 和目標(biāo)數(shù)組中的 None/NaN。

11.刪除特征

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

axis 選擇 0 表示行，選擇表示列。

12.將目標(biāo)類型轉(zhuǎn)換為浮點型

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

將目標(biāo)類型轉(zhuǎn)化為數(shù)值從而進(jìn)一步執(zhí)行計算，在這個案例中為字符串。

13.將 DataFrame 轉(zhuǎn)換為 NumPy 數(shù)組

df.as_matrix()

14.取 DataFrame 的前面「n」行

df.head(n)

15.通過特征名取數(shù)據(jù)

df.loc[feature_name]

DataFrame 操作

16.對 DataFrame 使用函數(shù)

該函數(shù)將令 DataFrame 中「height」行的所有值乘上 2：

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

或：

def multiply(x): return x * 2df["height"].apply(multiply)

17.重命名行

下面代碼會重命名 DataFrame 的第三行為「size」：

df.rename(columns = {<!--{C}%3C!%2D%2D%20%2D%2D%3E-->df.columns[2]:'size'}, inplace=True)

18.取某一行的唯一實體

下面代碼將取「name」行的唯一實體：

df["name"].unique()

19.訪問子 DataFrame

以下代碼將從 DataFrame 中抽取選定了的行「name」和「size」：

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

20.總結(jié)數(shù)據(jù)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.給數(shù)據(jù)排序