Pandas速查手册


https://www.cnblogs.com/lvpengbo/p/10851096.html

https://zhuanlan.zhihu.com/p/70438557?from_voters_page=true

有改动


本文翻译自文章:Pandas Cheat Sheet - Python for Data Science

对于数据科学家,无论是数据分析还是数据挖掘来说,Pandas是一个非常重要的Python包。它不仅提供了很多方法,使得数据处理非常简单,同时在数据处理速度上也做了很多优化,使得和Python内置方法相比时有了很大的优势。

如果你想学习Pandas,建议先看两个网站。

(1)官网:Python Data Analysis Library

(2)十分钟入门Pandas:10 Minutes to pandas

在第一次学习Pandas的过程中,你会发现你需要记忆很多的函数和方法。所以在这里我们汇总一下Pandas官方文档 中比较常用的函数和方法,以方便大家记忆。同时,我们提供一个PDF版本,方便大家打印。pandas-cheat-sheet.pdf

关键缩写和包导入

在这个速查手册中,我们使用如下缩写:

df:任意的Pandas DataFrame对象

同时我们需要做如下的引入:

import pandas as pd

导入数据

pd.read_csv(filename)从CSV文件导入数据
pd.read_table(filename)从限定分隔符的文本文件导入数据
pd.read_excel(filename)从Excel文件导入数据
pd.read_sql(query, connection_object)从SQL表/库导入数据
pd.read_json(json_string)从JSON格式的字符串导入数据
pd.read_html(url)解析URL字符串或者HTML文件抽取其中的tables表格
pd.read_clipboard()从你的粘贴板获取内容并传给read_table()
pd.DataFrame(dict)从字典对象导入数据Key是列名Value是数据

导出数据

df.to_csv(filename)导出数据到CSV文件
df.to_excel(filename)导出数据到Excel文件
df.to_sql(table_name, connection_object)导出数据到SQL表
df.to_json(filename)以Json格式导出数据到文本文件
创建测试对象
pd.DataFrame(np.random.rand(20,5))创建20行5列的随机数组成的DataFrame对象
pd.Series(my_list)从可迭代对象my_list创建一个Series对象
df.index = pd.date_range('1900/1/30', periods=df.shape[0])增加一个日期索引

查看、检查数据

df.head(n)查看DataFrame对象的前n行
df.tail(n)查看DataFrame对象的最后n行
df.shape()查看行数和列数
df.info() 查看索引数据类型和内存信息
df.describe()查看数值型列的汇总统计
s.value_counts(dropna=False)查看Series对象的唯一值和计数
df.apply(pd.Series.value_counts)查看DataFrame对象中每一列的唯一值和计数

数据选取

df[col]根据列名并以Series的形式返回列
df[[col1, col2]]以DataFrame形式返回多列
s.iloc[0]按位置选取数据
s.loc['index_one']按索引选取数据
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']重命名列名
pd.isnull()检查DataFrame对象中的空值并返回一个Boolean数组
pd.notnull()检查DataFrame对象中的非空值并返回一个Boolean数组
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)删除所有小于n个非空值的行
df.fillna(x)用x替换DataFrame对象中所有的空值
s.astype(float)将Series中的数据类型更改为float类型
s.replace(1,'one')one代替所有等于1的值
s.replace([1,3],['one','three'])'one'代替1'three'代替3
df.rename(columns=lambda x: x + 1)批量更改列名
df.rename(columns={'old_name': 'new_ name'})选择性更改列名
df.set_index('column_one')更改索引列
df.rename(index=lambda x: x + 1)批量重命名索引

数据处理:Filter、Sort和GroupBy

df[df[col] > 0.5]选择col列的值大于0.5的行``df.sort_values(col1)按照列col1排序数据默认升序排列``df.sort_values(col2, ``ascending``=False)按照列col1降序排列数据``df.sort_values([col1,col2], ``ascending``=[True,False])先按列col1升序排列后按col2降序排列数据``df.groupby(col)返回一个按列col进行分组的Groupby对象``df.groupby([col1,col2])返回一个按多列进行分组的Groupby对象``df.groupby(col1)[col2]返回按列col1进行分组后列col2的均值``df.pivot_table(index=col1, values=[col2,col3], aggfunc=max)创建一个按列col1进行分组并计算col2和col3的最大值的数据透视表``df.groupby(col1).agg(np.mean)返回按列col1分组的所有列的均值``data.apply(np.mean)对DataFrame中的每一列应用函数np.mean``data.apply(np.max,axis=1)对DataFrame中的每一行应用函数np.max

数据合并

df1.append(df2)将df2中的行添加到df1的尾部
df.concat([df1, df2],axis=1)将df2中的列添加到df1的尾部
df1.join(df2,on=col1,how='inner')对df1的列和df2的列执行SQL形式的join

数据统计

df.describe()查看数据值列的汇总统计
df.mean()返回所有列的均值
df.corr()返回列与列之间的相关系数
df.count()返回每一列中的非空值的个数
df.max()返回每一列的最大值
df.min()返回每一列的最小值
df.median()返回每一列的中位数
df.std()返回每一列的标准差