十分钟搞定pandas

ziwang

十分钟想搞定pandas？

用Python做数据分析，Numpy，Pandas，matplotlib是怎么也绕不开的三个包，我最开始学习pandas是看的《利用Python进行数据分析》，看了好几遍，不是从头到尾看了好几遍，是顺着看、挑着看、精读略读强行读，一直没坚持完整过一遍。

后来发现了广受好评的《10分钟搞定pandas》。这是官方出品的，于是我马上动手跟着做，才发现作者就是个标题党，花了一个多小时才过完一遍。我觉得书名应该是《（每天）10分钟（一周）搞定pandas》。标题党归标题党，内容还是很好的，就是我觉得还是有点偏长，尤其对于像我这样学习自制力极差的同学。

所以这篇文章，我总结了我认为的Pandas最常用的功能，供大家学习借鉴。

• 导入包
  

import pandas as pd import numpy as np

• 导入数据
  

#默认utf-8，gbk对中文的支持更好pd.read_csv(filename,encoding='gbk')#key是列名，value是数据,从字典导入数据需要指定indexdict1 = {'a':1,'b':2}df = pd.DataFrame(dict1,index=[0])

• 查看数据
  

#行数、列数df.shape[0]df.shape[1]#前几行，后几行，默认为5df.head()df.tail(3)#数据汇总统计df.describe()#数据概况df.info()#列名df.columns#数据类型df.dtypes#各列平均值df.mean()

• 数据选取
  

#按列名查看某列df[col_name]df.col_name#查列名看多列df[[col1,col2]]#按索引查看某行,第一行：df.iloc[0]#按索引查看某行某列，三行四列那个元素df.iloc[2,3]

• 数据合并
  

#按行拼接pieces = [df[2:20],df[23:30],df[35:40]]

下面这句replace知乎一直报未知错误（醉了，我在整篇文章中用二分法试出来两句），只能截图

#按列拼接left = pd.DataFrame({'key': ['foo', 'bar'], 'col1': [1, 2]})right = pd.DataFrame({'key': ['foo', 'bar'], 'col2': [4, 5]})pd.merge(left,right,on='key')#增加一列df = pd.DataFrame(np.random.randn(8, 4), columns=['A','B','C','D'])extra = df.iloc[-1]data = df.append(extra)

• 数据清理 (注意: 修改DataFrame要赋值)
  

#检查是否空值，返回布尔值（True,False)df.isnull()#返回各列空值的个数df.isnull().sum()#处理空值，用x替换空值df = df.fillna(x)#删除包含空值的行df = df.dropna()#删除包含空值的列df = df.dropna(axis=1)

• 数据处理
  

#选择某列大于1的行df[df[colname]>1]#选择某列包含x或者y字段的行,pandas有很多字符串处理函数df[df[colname].str.contains(x|y)]

下面这句replace知乎一直报未知错误（再次醉了），只能截图

#转换数据类型df.num = df.num.astype(float)#查看某列的唯一值的个数df.colname.value_counts()#按照某列排序（默认升序）df.sort_values(by = colname,ascending=True)#应用函数，简单的可以用lambdadf.apply(lambda x:x.max()-x.min())#复杂的可以先定义好函数def func():   passdf.apply(func)#也可以用numpy自带的，例如cumsum累加df.apply(np.cumsum)

• 分组聚合
  

#准备数据df = pd.DataFrame({'A' : ['foo', 'bar', 'foo', 'bar',                            'foo', 'bar', 'foo', 'foo'],                     'B' : ['one', 'one', 'two', 'three',                            'two', 'two', 'one', 'three'],                     'C' : np.random.randn(8),                     'D' : np.random.randn(8)})#对两列进行分组并求均值，类似于SQL里的group bydf.groupby(['A','B']).mean()#数据透视表，以col1为行，col2为列，取col3和col4的最大值，可以参考Excel的数据透视表df.pivot_table(index=col1,columns=col2,values=[col3,col4],aggfunc=max)

Pandas最常用的函数方法就介绍到这里了！强烈建议各位同学过一遍官方的【10 Minutes to pandas】!