Python數據分析23種Pandas核心操作方法總結

Posted on by

Pandas 是一個 Python 軟件庫，它提供瞭大量能使我們快速便捷地處理數據的函數和方法。一般而言，Pandas 是使 Python 成為強大而高效的數據分析環境的重要因素之一。

Pandas 是基於 NumPy 構建的庫，在數據處理方面可以把它理解為 NumPy 加強版，同時 Pandas 也是一項開源項目。它基於 Cython，因此讀取與處理數據非常快，並且還能輕松處理浮點數據中的缺失數據（表示為 NaN）以及非浮點數據。

本文中，基本數據集操作主要介紹瞭 CSV 與 Excel 的讀寫方法，基本數據處理主要介紹瞭缺失值及特征抽取，最後的 DataFrame 操作則主要介紹瞭函數和排序等方法。

基本數據集操作

1.讀取 CSV 格式的數據集

pd.DataFrame.from_csv(“csv_file”)

或者：

pd.read_csv(“csv_file”)

2.讀取 Excel 數據集

pd.read_excel("excel_file")

3.將 DataFrame 直接寫入 CSV 文件

如下采用逗號作為分隔符，且不帶索引：

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

4.基本的數據集特征信息

df.info()

5.基本的數據集統計信息

print(df.describe())

6.Print data frame in a table

將 DataFrame 輸出到一張表：

print(tabulate(print_table, headers=headers))

當「print_table」是一個列表，其中列表元素還是新的列表，「headers」為表頭字符串組成的列表。

7.列出所有列的名字

df.columns

基本數據處理

8.刪除缺失數據

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

返回一個 DataFrame，其中刪除瞭包含任何 NaN 值的給定軸，選擇 how=「all」會刪除所有元素都是 NaN 的給定軸。

9.替換缺失數據

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 都需要我們賦予不同的值。

10.檢查空值 NaN

pd.isnull(object)

檢查缺失值，即數值數組中的 NaN 和目標數組中的 None/NaN。

11.刪除特征

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

axis 選擇 0 表示行，選擇表示列。

12.將目標類型轉換為浮點型

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

將目標類型轉化為數值從而進一步執行計算，在這個案例中為字符串。

13.將 DataFrame 轉換為 NumPy 數組

df.as_matrix()

14.取 DataFrame 的前面「n」行

df.head(n)

15.通過特征名取數據

df.loc[feature_name]

DataFrame 操作

16.對 DataFrame 使用函數

該函數將令 DataFrame 中「height」行的所有值乘上 2：

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

或：

def multiply(x): return x * 2df["height"].apply(multiply)

17.重命名行

下面代碼會重命名 DataFrame 的第三行為「size」：

df.rename(columns = {<!--{C}%3C!%2D%2D%20%2D%2D%3E-->df.columns[2]:'size'}, inplace=True)

18.取某一行的唯一實體

下面代碼將取「name」行的唯一實體：

df["name"].unique()

19.訪問子 DataFrame

以下代碼將從 DataFrame 中抽取選定瞭的行「name」和「size」：

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

20.總結數據信息

# 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.給數據排序

df.sort_values(ascending = False)

22.佈爾型索引

以下代碼將過濾名為「size」的行，並僅顯示值等於 5 的行：

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

23.選定特定的值

以下代碼將選定「size」列、第一行的值：

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

以上就是Python數據分析23種Pandas核心操作方法總結的詳細內容，更多關於Python Pandas數據分析的資料請關註WalkonNet其它相關文章！

推薦閱讀：