[Python]Pandas 基本操作

(1)读入 CSV 数据集

pd.DataFrame.from_csv(“csv_file”)

或者:

pd.read_csv(“csv_file”)

(2)读入 Excel 数据集

pd.read_excel("excel_file")

(3)直接把数据写入 CSV

如数据以逗号分隔,且没有索引:

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

(4)基础数据集特征信息

df.info()

(5)基础数据集统计结果

print(df.describe())

(6) 以表格形式打印数据

print(tabulate(print_table, headers=headers))

其中“print_table”是一列list,“headers”是一列字符串抬头

(7)列出列名称

df.columns

基本数据处理

(8)删除缺失的数据

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

返回给定轴上标签的对象,逐个丢掉相应数据。

(9)替换丢失的数据

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

用“value”的值替换“to_replace”中给出的值。

(10)检查 NAN

pd.isnull(object)

检测缺失值(有数值数组中的NaN,对象数组中的None和NaN)

(11)删除特征

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

轴为 0 代表行,1 代表列

(12)将对象类型转换为 float

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

将对象类型转换为数字型以便计算(如果它们是字符串的话)

(13)将数据转换为 Numpy 数组

df.as_matrix()

(14)获取数据的头“n”行

df.head(n)

(15)按特征名称获取数据

df.loc[feature_name] 

(16)将函数应用于数据

这个函数将数据里“height”一列中的所有值乘以2

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

或:

def multiply(x):

 return x * 2

df["height"].apply(multiply)

(17)重命名数据列

这里我们将数据的第3列重命名为“size”

df.rename(columns = {df.columns[2]:'size'}, inplace=True)

(18)单独提取某一列

df["name"].unique()

(19)访问子数据

我们从数据中选择“name”和“size”两列

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

(20)总结数据信息

#数据之和df.sum()
#数据中的最小值df.min()
#数据中的最大值df.max()
#最小值的索引df.idxmin()
#最大值的索引df.idxmax()
#数据统计信息,有四分位数,中位数等df.describe()
#平均值df.mean()
#中位数值df.median() 

(21)对数据进行排序

df.sort_values(ascending = False)

(22)布尔索引

这里我们过滤“size”的数据列,以显示等于5的值:

df[df["size"] == 5]

(23)选择某值

选择“size”列的第一行:

df.loc([0], ['size'])

ikbc C104 机械键盘 有线键盘 游戏键盘 104键 原厂cherry轴 樱桃轴 吃鸡神器 笔记本键盘 白色 茶轴 自营

发表评论

电子邮件地址不会被公开。 必填项已用*标注