Pandas备忘单用法详解 _备忘单

Pandas可用作数据科学最重要的Python软件包。它有助于提供许多以更简单的方式处理数据的功能。它的快速, 灵活和富有表现力的数据结构旨在进行真实的数据分析。
Pandas备忘单是快速入门的Pandas基础知识, 你将需要开始使用Python处理数据。如果你想开始使用Pandas进行数据科学之旅, 可以将其用作轻松处理数据的便捷参考。
该备忘单将指导Pandas库的基础知识, 从数据结构到I / O, 选择, 排序和排名等。
密钥和导入我们在备忘单中使用以下速记：

df：引用任何Pandas Dataframe对象。
s：引用任何Pandas系列对象。你可以使用以下导入来开始：

汇入资料

pd.read_csv(filename)：它从CSV文件读取数据。
pd.read_table(filename)：用于从定界文本文件中读取数据。
pd.read_excel(filename)：它从Excel文件读取数据。
pd.read_sql(query, connection _object)：它从SQL表/数据库读取数据。
pd.read_json(json _string)：它从JSON格式的字符串, URL或文件中读取数据。
pd.read_html(url)：它解析html URL, 字符串或文件, 并将表提取到数据帧列表中。
pd.read_clipboard()：它获取剪贴板的内容, 并将其传递给read_table()函数。
pd.DataFrame(dict)：从dict中, 输入列名称的键, 将数据的值显示为列表。

汇出资料

df.to_csv(filename)：写入CSV文件。
df.to_excel(filename)：写入Excel文件。
df.to_sql(table_name, connection_object)：写入SQL表。
df.to_json(filename)：它以JSON格式写入文件。

创建测试对象
这对于测试代码段很有用。

pd.DataFrame(np.random.rand(7, 18))：引用18列和7行的随机浮点数。
pd.Series(my_list)：它从可迭代的my_list创建一个Series。
df.index = pd.date_range(‘ 1940/1/20’ , period = df.shape [0])：添加日期索引。

查看/检查数据

df.head(n)：它返回DataFrame的前n行。
df.tail(n)：它返回DataFrame的最后n行。
df.shape：返回行数和列数。
df.info()：它返回索引, 数据类型和内存信息。
s.value_counts(dropna = False)：它查看唯一值和计数。
df.apply(pd.Series.value_counts)：引用所有列的唯一值和计数。

选拔

df [col1]：它返回标签为col的列为Series。
df [[col1, col2]]：它将列作为新的DataFrame返回。
s.iloc [0]：按位置选择。
s.loc [‘ index_one’ ]：按索引选择。
df.iloc [0 , :]：返回第一行。
df.iloc [0, 0]：返回第一列的第一个元素。

数据清理

df.columns = [‘ a’ , ‘ b’ , ‘ c’ ]：重命名列。
pd.isnull()：它检查null值并返回布尔数组。
pd.notnull()：与pd.isnull()相反。
df.dropna()：删除所有包含空值的行。
df.dropna(axis = 1)：删除所有包含空值的列。
df.dropna(axis = 1, thresh = n)：删除所有少于n个非null值的行。
df.fillna(x)：它将所有空值替换为x。
s.fillna(s.mean())：将所有空值替换为均值(均值可以用统计模块中的几乎所有函数替换)。
s.astype(float)：将series的数据类型转换为float。
s.replace(1, ‘ one’ )：它将所有等于1的值替换为’ one’ 。
s.replace([1, 3], [‘ one’ , ‘ 3’ ])：它将所有1替换为’ 1′ , 将3替换为’ 3’ 。
df.rename(columns = lambda x：x + 1)：重命名列的质量。
df.rename(columns = {‘ old_name’ ：’ new_ name’ })：它包含选择性重命名。
df.set_index(‘ column_one’ )：用于更改索引。
df.rename(index = lambda x：x + 1)：重命名索引的质量。

筛选, 排序和分组依据

df [df [col]> 0.5]：返回列col大于0.5的行
df [(df [col]> 0.5)＆(df [col] < 0.7)]：返回其中0.7> col> 0.5的行
df.sort_values(col1)：它按col1升序对值进行排序。
df.sort_values(col2, ascending = False)：它按col2的降序对值进行排序。
df.sort_values([col1, col2], ascending = [True, False])：它将值按col1升序排序, 按col2降序排序。
df.groupby(col1)：返回来自一列中值的groupby对象。
df.groupby([col1, col2])：从多个列返回值的groupby对象。
df.groupby(col1)[col2])：返回col2中值的平均值, 并按col1中的值分组。
df.pivot_table(index = col1, values = [col2, col3], aggfunc = mean)：创建按col1分组的数据透视表, 并计算col2和col3的平均值。
df.groupby(col1).agg(np.mean)：它为每个唯一的col1组计算所有列的平均值。
df.apply(np.mean)：其任务是在每列上应用函数np.mean()。
nf.apply(np.max, axis = 1)：其任务是在每行上应用函数np.max()。

加入/合并

df1.append(df2)：其任务是将df1中的行添加到df2的末尾(列应相同)。
pd.concat([df1, df2], axis = 1)：其任务是将df1中的列添加到df2的末尾(行应相同)。
df1.join(df2, on = col1, how =’ inner’ )：SQL样式将df1中的列与df2中的列连接在一起, 其中col的行具有相同的值, ” how” 可以为” left” , “ 对” , “ 外部” , “ 内部” 。

统计
【Pandas备忘单用法详解】可以将统计功能应用于” 系列” , 如下所示：