Pandas 是一个 Python 软件库,它提供了大量能使我们快速便捷地处理数据的函数和方法。一般而言,Pandas 是使 Python 成为强大而高效的数据分析环境的重要因素之一。在本文中,作者从基本数据集读写、数据处理和 DataFrame 操作三个角度展示了 23 个 Pandas 核心方法。
Pandas 是基于 NumPy 构建的库,在数据处理方面可以把它理解为 NumPy 加强版,同时 Pandas 也是一项开源项目。它基于 Cython,因此读取与处理数据非常快,并且还能轻松处理浮点数据中的缺失数据(表示为 NaN)以及非浮点数据。在本文中,基本数据集操作主要介绍了 CSV 与 Excel 的读写方法,基本数据处理主要介绍了缺失值及特征抽取,最后的 DataFrame 操作则主要介绍了函数和排序等方法。
基本数据集操作
(1)读取 CSV 格式的数据集
pd.DataFrame.from_csv(“csv_file”)
或者:
pd.read_csv(“csv_file”)
(2)读取 Excel 数据集
pd.read_excel("excel_file")
(3)将 DataFrame 直接写入 CSV 文件
如下采用逗号作为分隔符,且不带索引:
df.to_csv("data.csv", sep=",", index=False)
(4)基本的数据集特征信息
df.info()
(5)基本的数据集统计信息
print(df.describe())
(6) Print data frame in a table
将 DataFrame 输出到一张表:
print(tabulate(print_table, headers=headers))
当「print_table」是一个列表,其中列表元素还是新的列表,「headers」为表头字符串组成的列表。
(7)列出所有列的名字
df.columns
基本数据处理
(8)删除缺失数据
df.dropna(axis=0, how='any')
返回一个 DataFrame,其中删除了包含任何 NaN 值的给定轴,选择 how=「all」会删除所有元素都是 NaN 的给定轴。
(9)替换缺失数据
df.replace(to_replace=None, value=None)
使用 value 值代替 DataFrame 中的 to_replace 值,其中 value 和 to_replace 都需要我们赋予不同的值。
(10)检查空值 NaN
pd.isnull(object)
检查缺失值,即数值数组中的 NaN 和目标数组中的 None/NaN。
(11)删除特征
df.drop('feature_variable_name', axis=1)
axis 选择 0 表示行,选择表示列。
(12)将目标类型转换为浮点型
pd.to_numeric(df["feature_name"], errors='coerce')
将目标类型转化为数值从而进一步执行计算,在这个案例中为字符串。
(13)将 DataFrame 转换为 NumPy 数组
df.as_matrix()
(14)取 DataFrame 的前面「n」行
df.head(n)
(15)通过特征名取数据
df.loc[feature_name]
DataFrame 操作
(16)对 DataFrame 使用函数
该函数将令 DataFrame 中「height」行的所有值乘上 2:
df["height"].apply(*lambda* height: 2 * height)
或:
def multiply(x):
return x * 2
df["height"].apply(multiply)
(17)重命名行
下面代码会重命名 DataFrame 的第三行为「size」:
df.rename(columns = {df.columns[2]:'size'}, inplace=True)
(18)取某一行的唯一实体
下面代码将取「name」行的唯一实体:
df["name"].unique()
(19)访问子 DataFrame
以下代码将从 DataFrame 中抽取选定了的行「name」和「size」:
new_df = df[["name", "size"]]
(20)总结数据信息
# Sum of values in a data frame
df.sum()
# Lowest value of a data frame
df.min()
# Highest value
df.max()
# Index of the lowest value
df.idxmin()
# Index of the highest value
df.idxmax()
# Statistical summary of the data frame, with quartiles, median, etc.
df.describe()
# Average values
df.mean()
# Median values
df.median()
# Correlation between columns
df.corr()
# To get these values for only one column, just select it like this#
df["size"].median()
(21)给数据排序
df.sort_values(ascending = False)
(22)布尔型索引
以下代码将过滤名为「size」的行,并仅显示值等于 5 的行:
df[df["size"] == 5]
(23)选定特定的值
以下代码将选定「size」列、第一行的值:
df.loc([0], ['size'])
数据分析咨询请扫描二维码
数据分析需要学习的内容非常广泛,涵盖了从理论知识到实际技能的多个方面。以下是数据分析所需学习的主要内容: 数学和统计学 ...
2024-11-24数据分析师需要具备一系列多方面的技能和能力,以应对复杂的数据分析任务和业务需求。以下是数据分析师所需的主要能力: 统计 ...
2024-11-24数据分析师需要学习的课程内容非常广泛,涵盖了从基础理论到实际应用的多个方面。以下是根据我搜索到的资料整理出的数据分析师需 ...
2024-11-24《Python数据分析极简入门》 第2节 6 Pandas合并连接 在pandas中,有多种方法可以合并和拼接数据。常见的方法包括append()、conc ...
2024-11-24《Python数据分析极简入门》 第2节 5 Pandas数学计算 importpandasaspdd=np.array([[81,&n ...
2024-11-23数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22数据架构师是负责设计和管理企业数据架构的关键角色,其职责涵盖了多个方面,包括数据治理、数据模型设计、数据仓库构建、数据安 ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列的技能和能力,以确保能够有效地处理、分析和解释数据,从而支持业务决策。以下是数据分析师所需的主要 ...
2024-11-22需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21