文章目录
- 数据读写
- 数据创建
- 数据查看
- 数据操作
- 数据提取
- 数据筛选
- 数据统计
- 操作数据表结构
- 数据表合并
- 修改列名
- 插入一列
数据读写
| 代码 | 作用 |
|---|
| df &＃61; pd.DataFrame(pd.read_csv(‘input.csv’,header&＃61;1)) | 读取csv |
| df &＃61; pd.DataFrame(pd.read_excel(‘input.xlsx’)) | 读取xlsx |
| df_inner.to_csv(‘output.csv’) | 写入CSV |
| df_inner.to_excel(‘output.xlsx’, sheet_name&＃61;‘sheet1’) | 写入Excel |
设置列名dataframe.columns&＃61;[&＃39;col1&＃39;,&＃39;col2&＃39;,&＃39;col3&＃39;]
设置索引dataframe.set_index("col_name")
读取行数pd.read_csv(file_path,skiprows&＃61;9,nrows&＃61;10)
数据创建
| 代码 | 作用 |
|---|
| pd.Series([1, 2, 3, 4, 5]) | list创建Series |
| pd.date_range(‘20171022’, periods&＃61;6) | 时间索引 |
| pd.DataFrame(np.random.randn(6, 4), index&＃61;dates, columns&＃61;list([‘c1’, ‘c2’, ‘c3’, ‘c4’])) | 列标签 |
| pd.DataFrame.from_dict({“A”:1, “B”:2, “C”:3}, orient&＃61;‘index’).T | 字典创建 |
数据查看
| 代码 | 作用 |
|---|
| df.shape | 维度 |
| df.info() | 数据表基本信息&＃xff08;维度、列名称、数据格式、所占空间等&＃xff09; |
| df.dtypes | 列数据的格式 |
| df[‘Name’].dtype | 某一列格式 |
| df.isnull() | 空值 |
| df.isnull() | 查看某一列空值 |
| df[Name’].unique() | 某一列的唯一值 |
| df.values | 数据表的值 |
| df.columns | 列名称 |
| df.head() | 查看前10行数据 |
| df.tail() | 查看后10行数据 |
数据操作
| 代码 | 作用 |
|---|
| df.fillna(value&＃61;0) | 数字0填充空值 |
| df[‘prince’].fillna(df[‘prince’].mean()) | 使用列prince的均值对NA进行填充 |
| df[‘city’]&＃61;df[‘city’].map(str.strip) | 清除city字段的字符空格 |
| df[‘city’]&＃61;df[‘city’].str.lower() | 大小写转换 |
| df[‘price’].astype(‘int’) | 更改数据格式 |
| df.rename(columns&＃61;{‘category’: ‘category-size’}) | 更改列名称 |
| df[‘city’].replace(‘sh’, ‘shanghai’) | 数据替换 |
| df1.dropna(how&＃61;‘any’) | 去掉包含缺失值的行 |
| df1.fillna(5) | 对缺失值进行填充 |
| pd.isnull(df1) | 对缺失值进行布尔填充 |
数据提取
| 代码 | 作用 |
|---|
| df_csv.loc[:, [‘chrom’, ‘q_value’]] | 索引&＃43;列标签切片 |
df_csv.loc[0, [‘chrom’]]
df_csv.loc[0, ‘chrom’]
df_csv.at[0, ‘chrom’]
df_csv.iloc[1, 1]
df_csv.iat[1, 1] | 提取一个标量 |
df_csv.iloc[3]
df_inner.loc[3] | 提取一行 |
df_inner.iloc[0:5]
df_csv.iloc[3:5, 0:2]
df_csv.iloc[[1, 2, 4], [0, 2]]
df_csv.iloc[1:3, :]
df_inner.ix[:‘2013-01-03’,:4] | 提取区域 |
| df_inner[‘city’].isin([‘beijing’]) | 判断city列的值是否为北京 |
| df_inner.loc[df_inner[‘city’].isin([‘beijing’,‘shanghai’])] | 判断city列里是否包含beijing和shanghai&＃xff0c;然后将符合条件的数据提取出来 |
| pd.DataFrame(category.str[:3]) | 提取前三个字符&＃xff0c;并生成数据表 |
| df_csv.loc[:, [‘chrom’, ‘q_value’]] | 索引&＃43;列标签切片 |
数据筛选
| 代码 | 作用 |
|---|
| df_inner.loc[(df_inner[‘age’] > 25) & (df_inner[‘city’] &＃61;&＃61; ‘beijing’), [‘id’,‘city’,‘age’,‘category’,‘gender’]] | 使用“与”进行筛选 |
| &＃96;df_inner.loc[(df_inner[‘age’] > 25) | (df_inner[‘city’] &＃61;&＃61; ‘beijing’), [‘id’,‘city’,‘age’,‘category’,‘gender’]].sort([‘age’]) &＃96;&＃96;&＃96; | |
| df_inner.loc[(df_inner[‘city’] !&＃61; ‘beijing’), [‘id’,‘city’,‘age’,‘category’,‘gender’]].sort([‘id’]) | 使用“非”条件进行筛选 |
| df_inner.loc[(df_inner[‘city’] !&＃61; ‘beijing’), [‘id’,‘city’,‘age’,‘category’,‘gender’]].sort([‘id’]).city.count() | 对筛选后的数据按city列进行计数 |
| df_inner.query(‘city &＃61;&＃61; [“beijing”, “shanghai”]’) | 使用query函数进行筛选 |
| df_inner.query(‘city &＃61;&＃61; [“beijing”, “shanghai”]’).price.sum() | 对筛选后的结果按prince进行求和 |
数据统计
| 代码 | 作用 |
|---|
| df_inner.groupby(‘city’).count() | 对所有的列进行计数汇总 |
| df_inner.groupby(‘city’)[‘id’].count() | 按城市对id字段进行计数 |
| df_inner.groupby([‘city’,‘size’])[‘id’].count() | 对两个字段进行汇总计数 |
| df_inner.groupby(‘city’)[‘price’].agg([len,np.sum, np.mean]) | 对city字段进行汇总&＃xff0c;并分别计算prince的合计和均值 |
| df_inner.sample(n&＃61;3) | 简单的数据采样 |
| weights &＃61; [0, 0, 0, 0, 0.5, 0.5]df_inner.sample(n&＃61;2, weights&＃61;weights) | 手动设置采样权重 |
| df_inner.sample(n&＃61;6, replace&＃61;False) | 采样后不放回 |
| df_inner.sample(n&＃61;6, replace&＃61;True) | 采样后放回 |
| df_inner.describe().round(2).T | 数据表描述性统计 |
| df_inner[‘price’].std() | 计算列的标准差 |
| df_inner[‘price’].cov(df_inner[‘m-point’]) | 计算两个字段间的协方差 |
| df_inner.cov() | 数据表中所有字段间的协方差 |
| df_inner[‘price’].corr(df_inner[‘m-point’]) | 两个字段的相关性分析
相关系数在-1到1之间&＃xff0c;接近1为正相关&＃xff0c;接近-1为负相关&＃xff0c;0为不相关 |
| df_inner.corr() | 数据表的相关性分析 |
操作数据表结构
| 代码 | 作用 |
|---|
| df_inner.set_index(‘id’) | 设置索引列 |
| df_inner.sort_values(by&＃61;[‘age’]) | 按照 age 列排序 |
| df_inner.sort_index() | 按照索引列排序 |
| df_inner[‘group’] &＃61; np.where(df_inner[‘price’] > 3000,‘high’,‘low’) | 如果prince列的值>3000&＃xff0c;group列显示high&＃xff0c;否则显示low |
| df_inner.loc[(df_inner[‘city’] &＃61;&＃61; ‘beijing’) & (df_inner[‘price’] >&＃61; 4000), ‘sign’]&＃61;1 | 对复合多个条件的数据进行分组标记 |
| pd.DataFrame((x.split(’-’) for x in df_inner[‘category’]),index&＃61;df_inner.index,columns&＃61;[‘category’,‘size’])) | 对category字段的值依次进行分列&＃xff0c;并创建数据表&＃xff0c;索引值为df_inner的索引列&＃xff0c;列名称为category和size |
| df_inner&＃61;pd.merge(df_inner,split,right_index&＃61;True, left_index&＃61;True) | 将完成分裂后的数据表和原df_inner数据表进行匹配 |
| df_inner.reset_index() | 重设索引 |
| df_inner&＃61;df_inner.set_index(‘date’) | 设置日期为索引 |
数据表合并
| 代码 | 作用 |
|---|
| df_inner&＃61;pd.merge(df,df1,how&＃61;‘inner’) | 内连接&＃xff08;取两个集合的交集&＃xff09; |
| df_left&＃61;pd.merge(df,df1,how&＃61;‘left’) | 左连接&＃xff08;以 df 为基准&＃xff0c;df1 在 df 中无匹配则为空&＃xff09; |
| df_right&＃61;pd.merge(df,df1,how&＃61;‘right’) | 右连接&＃xff08;以 df1 为基准&＃xff0c;df 在 df1 中无匹配则为空&＃xff09; |
| df_outer&＃61;pd.merge(df,df1,how&＃61;‘outer’) | 全连接&＃xff08;取两个集合的并集&＃xff0c;包含有 df &＃xff0c; df1 的全部数据行&＃xff0c;无匹配则填充空&＃xff09; |
修改列名
| 代码 | 作用 |
|---|
| a.columns &＃61; [‘a’,‘b’,‘c’] | 列名全部修改 |
| a.rename(columns&＃61;{‘A’:‘a’}, inplace &＃61; True) | 修改部分列名 |
插入一列
| 代码 | 作用 |
|---|
| frame.insert(0, ‘num’, 1) | 在第一列插入名为num的列&＃xff0c;值为1 |
| frame.insert(0, ‘num’, np.[i for i in rang(10)], allow_duplicates&＃61;True) | 在第一列插入名为num的列&＃xff0c;值为1…10&＃xff0c;允许有重复列 |
京公网安备 11010802041100号