准备工作

import numpy as np
import pandas as pd

倒入文件或创建一个数据表

df = pd.DataFrame(pd.read_csv('name.csv',header=1))
df = pd.DataFrame(pd.read_excel('name.xlsx'))
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

倒入各种格式的文件操作

# 创建数据表,下面两个数据表是以下所有操作的数据支持
# pd.DataFrame(np.random.rand(20,5))# 创建20行5列的随机数组成的DataFrame对象
df = pd.DataFrame({"id":[1001,1002,1003,1004,1005,1006],
"date":pd.date_range('', periods=6),
"city":['Beijing ', 'SH', ' guangzhou ', 'Shenzhen', 'shanghai', 'BEIJING '],
"age":[23,44,54,32,34,32],
"category":['100-A','100-B','110-A','110-C','210-A','130-F'],
"price":[1200,np.nan,2133,5433,np.nan,4432]},
columns =['id','date','city','category','age','price']) df1=pd.DataFrame({"id":[1001,1002,1003,1004,1005,1006,1007,1008],
"gender":['male','female','male','female','male','female','male','female'],
"pay":['Y','N','Y','Y','N','Y','N','Y',],
"m-point":[10,12,20,40,40,40,30,20]})

一、查看数据表信息

  包含操作:

    • 查看维度
    • 查看数据表基本信息
    • 查看每一列/指定列数据格式
    • 查看数据表每一单元格是否为空值
    • 查看指定列值
    • 查看数据表
    • 查看表头
    • 查看前/后n行数据
    • 查看数值型列的汇总统计
    • 查看DataFrame对象中每一列的唯一值和计数
print(df.shape) # 查看维度、行数和列数(x*y)
print(df.info())# 查看数据表基本信息(维度、列名称、数据格式、所占空间等)
print(df.dtypes)# 查看每一列数据的格式
print(df['price'].dtype) # 查看指定列的数据格式
print(df.isnull()) # 查看数据表每一单元格是否为空值
print(df['age'].unique()) # 查看指定列的值(去重)
print(df.values)# 查看数据表
print(df.columns)# 查看表头
print(df.head(3)) # 查看前x行数据,括号内为空时默认为10
print(df.tail(3)) # 查看后x行数据,括号内为空时默认为10
print(df.describe()) # 查看数值型列的汇总统计
print(df.apply(pd.Series.value_counts)) # 查看DataFrame对象中每一列的唯一值和计数

二、数据表清洗

  包含操作:

    • 重命名列名
    • 检查空值
    • 删除包含空值的行/列
    • 删除所有小于n的非空值的行
    • 填充空值
    • 清除空格
    • 更改数据格式
    • 删除指定列中重复的值
    • 更改数据
df.columns = ['a','b','c']# :重命名列名
print(df.isnull())# 检查DataFrame对象中的空值,并返回一个Boolean数组
print(df.notnull())# 检查DataFrame对象中的空值,并返回一个Boolean数组 print(df.dropna())# 删除所有包含空值的行
print(df.dropna(axis=1))# 删除所有包含空值的列
print(df.dropna(axis=1,thresh=n))# 删除所有小于n的非空值的行 print(df.fillna(value=0)) # 用数字0填充空值,返回值为填充后的表信息
print(df['price'].fillna(df['price'].mean())) # 使用指定列(price)的均值填充指定列(price)的空值,返回值为填充后的列信息 df['city']=df['city'].map(str.strip) # 清除指定字段(city)的字符空格,注意清洗完数据后要重新赋值回去
df['city']=df['city'].str.lower() # 支持str的操作,这里指变为小些,注意清洗完数据后要重新赋值回去
print(df['city']) print(df['age'].astype('int')) # 更改数据格式,这里的操作是将数据转为int,不需要重新赋值
print(df.rename(columns={'category': 'category-size'})) # 更改表头 print(df['city'].drop_duplicates()) # 删除指定列中重复的值(保留前面的,删除后面的)
print(df['city'].drop_duplicates(keep='last'))# 删除指定列中重复的值(保留后面的,删除前面的) print(df['city'].replace('sh', 'shanghai')) # 更改数据

三、数据表操作

  包含操作:

    • 交集、并集、左连接、右连接
    • 设置索引
    • 排序
    • 分组标记
    • 分列并创建数据表
df_inner=pd.merge(df,df1,how='inner')  # 交集,少匹配合并
df_left=pd.merge(df,df1,how='left') # 左连接,按左表为准,右表不够的用NaN补
df_right=pd.merge(df,df1,how='right') # 右连接,按右表为准,左表不够的用NaN补
df_outer=pd.merge(df,df1,how='outer') # 并集,多匹配合并
print(df_inner)
print(df_left)
print(df_right)
print(df_outer) print(df_inner.set_index('id')) # 设置索引列,这里索引设置的是id列
print(df_inner.sort_values(by=['m-point'])) # 按照指定列排序,默认升序
print(df_inner.sort_values(by=['m-point']),ascending=False) # 按照指定列排序,指定降序
print(df_inner.sort_index()) # 按照索引排序,默认升序 # group的值按price的大小显示,大于3000显示high,小于3000显示low
df_inner['group'] = np.where(df_inner['price'] > 3000,'high','low')
df_inner.loc[(df_inner['city'] == 'Beijing') & (df_inner['gender'] == 'male'), 'sign']=1# 对复合多个条件的数据进行分组标记
print(df_inner) # 对category字段的值依次进行分列,并创建数据表,索引值为df_inner的索引列,列名称为category和size
print(pd.DataFrame((x.split('-') for x in df_inner['category']),index=df_inner.index,columns=['category','size'])) # 将完成分裂后的数据表和原df_inner数据表进行匹配
split = pd.DataFrame((x.split('-') for x in df_inner['category']),index=df_inner.index,columns=['category','size'])
df_inner=pd.merge(df_inner,split,right_index=True, left_index=True)
print(df_inner)

四、数据提取

  包含操作:

    • 提取单行/区域行的值
    • 重设索引
    • 按位置提取数据
    • 按索引提取数据
    • 判断数据值
    • 提取指定字符并生成数据表
"""
主要用到的三个函数:loc,iloc和ix
- loc函数按标签值进行提取
- iloc按位置进行提取
- ix可以同时按标签和位置进行提取。
"""
print(df_inner.loc[3])# 按索引提取单行的数值,这里提取的是第四行
print(df_inner.iloc[0:5])# 按索引提取区域行数值,这里提取的是0到四行 df_inner.reset_index()# 重设索引
df_inner=df_inner.set_index('date') # 将指定字段设置为索引,这里用的日期
print(df_inner[:'2013-01-04'])# 切片提取数据,这里切的日期,需要先将日期设为索引 # - 使用iloc按位置区域提取数据
print(df_inner.iloc[:3,:2]) #冒号前后的数字不再是索引的标签名称而是数据所在的位置,这里表示从0开始,前三行,前两列。
print(df_inner.iloc[[0,2,5],[4,5]]) #提取第0、2、5行,4、5列 # - 使用ix按索引标签和位置混合提取数据
print(df_inner.ix[:'2013-01-03',:4]) #2013-01-03号之前,前四列数据 print(df_inner['city'].isin(['Beijing']))# 判断city列的值是否为北京 print(df_inner.loc[df_inner['city'].isin(['beijing','shanghai'])])# 判断city列里是否包含beijing和shanghai,然后将符合条件的数据提取出来 print(pd.DataFrame(df_inner['city'].str[:3]))# 提取前三个字符,并生成数据表

五、数据筛选

  包含操作:与/或/非/大于/小于/等于/不等于

# 使用与、或、非三个条件配合大于、小于、等于对数据进行筛选,并进行计数和求和。
print(df_inner.loc[(df_inner['age'] > 25) & (df_inner['city'] == 'shanghai'), ['id','city','age','category','gender']])
print(df_inner.loc[(df_inner['age'] > 25) | (df_inner['city'] == 'shanghai'), ['id','city','age','category','gender']] )
print(df_inner.loc[(df_inner['city'] != 'beijing'), ['id','city','age','category','gender']]) # 对筛选后的数据按city列进行计数
print(df_inner.loc[(df_inner['city'] != 'beijing'), ['id','city','age','category','gender']].city.count()) # 使用query函数进行筛选
print(df_inner.query('city == ["beijing", "shanghai"]')) # 对筛选后的结果按price进行求和
print(df_inner.query('city == ["Shenzhen", "shanghai"]').price.sum())

六、数据处理

  包含操作:计数汇总(主要用groupby)

# 主要函数是groupby和pivote_table
print(df_inner.groupby('city').count())# 对所有的列进行计数汇总
print(df_inner.groupby('city')['id'].count())# 按city对id字段进行计数
print(df_inner.groupby(['city','price'])['id'].count())# 对两个字段进行汇总计数
print(df_inner.groupby('city')['price'].agg([len,np.sum, np.mean]) )# 对city字段进行汇总,并分别计算prince的合计和均值

七、数据统计

  包含操作:

    • 数据采样(可设置权重)
    • 数据表描述性统计
    • 标准差和方差
    • 相关性统计
    • 所有列的均值
    • 每一列的最大值、最小值、中位数、标准差
# 数据采样,计算标准差,协方差和相关系数
print(df_inner.sample(n=3))# 简单的数据采样(随机取3行数据) # 手动设置采样权重,这里指3/4/5的权重比较高,随机取时概率较大
weights = [0, 0, 0, 0.5, 0.5, 0.5]
print(df_inner.sample(n=2, weights=weights)) print(df_inner.sample(n=6, replace=False))# 采样后不放回
print(df_inner.sample(n=6, replace=True))# 采样后放回 # 数据表描述性统计
print(df_inner.describe().round(2).T) #round函数设置显示小数位,T表示转置 # 标准差和协方差
print(df_inner['price'].std())# 计算列的标准差
print(df_inner['price'].cov(df_inner['m-point']))# 计算两个字段间的协方差
print(df_inner.cov())# 计算数据表中所有字段间的协方差 # 计算两个字段的相关性分析,相关系数在-1到1之间,接近1为正相关,接近-1为负相关,0为不相关
print(df_inner['price'].corr(df_inner['m-point'])) print(df.describe())# 查看数据值列的汇总统计
print(df.mean())# 返回所有列的均值
print(df.corr())# 返回列与列之间的相关系数
print(df.count())# 返回每一列中的非空值的个数
print(df.max())# 返回每一列的最大值
print(df.min())# 返回每一列的最小值
print(df.median())# 返回每一列的中位数
print(df.median())# 返回每一列的标准差

八、数据输出

df_inner.to_excel('excel_to_python.xlsx', sheet_name='bluewhale_cc')
df_inner.to_csv('excel_to_python.csv')
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

pandas操作速查表的更多相关文章

  1. 这可能是AI、机器学习和大数据领域覆盖最全的一份速查表

    https://mp.weixin.qq.com/s?__biz=MjM5ODE1NDYyMA==&mid=2653390110&idx=1&sn=b3e5d6e946b719 ...

  2. numpy, pandas, scikit-learn cheat sheet (速查表)

    1. scikit-learn cheat sheet 官方链接如下:http://scikit-learn.org/stable/tutorial/machine_learning_map/ Oft ...

  3. python 下的数据结构与算法---2:大O符号与常用算法和数据结构的复杂度速查表

    目录: 一:大O记法 二:各函数高阶比较 三:常用算法和数据结构的复杂度速查表 四:常见的logn是怎么来的 一:大O记法 算法复杂度记法有很多种,其中最常用的就是Big O notation(大O记 ...

  4. Git 命令速查表

    Git 命令速查表 1.常用的Git命令 命令 简要说明 git add 添加至暂存区 git add-interactive 交互式添加 git apply 应用补丁 git am 应用邮件格式补丁 ...

  5. Git 常用命令速查表(图文+表格)

    一. Git 常用命令速查 git branch 查看本地所有分支git status 查看当前状态 git commit 提交 git branch -a 查看所有的分支git branch -r ...

  6. 可能是史上最全的机器学习和Python(包括数学)速查表

    新手学习机器学习很难,就是收集资料也很费劲.所幸Robbie Allen从不同来源收集了目前最全的有关机器学习.Python和相关数学知识的速查表大全.强烈建议收藏! 机器学习有很多方面. 当我开始刷 ...

  7. 【Linux】【MySQL】CentOS7、MySQL8.0.13 骚操作速查笔记——专治各种忘词水土不服

    1.前言 [Linux][MySQL]CentOS7安装最新版MySQL8.0.13(最新版MySQL从安装到运行) 专治各种忘词,各种水土不服. - -,就是一个健忘贵的速查表:(当然不包括SQL的 ...

  8. 【转】shell速查表

    shell速查表 转自:https://www.jianshu.com/p/a98a334bfb25 1. 变量 #!/bin/bash msg="hello world" ech ...

  9. 【转】Vim速查表-帮你提高N倍效率

    Vim速查表-帮你提高N倍效率 转自:https://www.jianshu.com/p/6aa2e0e39f99 去年上半年开始全面使用linux进行开发和娱乐了,现在已经回不去windows了. ...

随机推荐

  1. Java 8 并发性基础

    https://www.ibm.com/developerworks/cn/java/j-jvmc2/index.html http://www.nurkiewicz.com/2013/05/java ...

  2. 手动添加jar包到本地maven仓库(已测)ok

    很多时候我们需要的jar包在maven仓库上没有 我们可以自己找到这个jar包,但是怎么通过在pom文件配置使用呢? 需要我们手动将本地的jar包添加到本地maven仓库. 前提是已经配置好maven ...

  3. python日志,一个改版SMTPHandler

    1.官方logging包的SMTPHandler不支持ssl的邮箱,修改成兼容ssl以支持大部分国内邮箱. 2.增加一个频率控制的参数,比如要设置一个报警邮件,异常时候通知我们,但假设1分钟内异常几千 ...

  4. JAVA程序员_常用英语

    干程序员这行实在是离不开英语,干程序员是一项很辛苦的工作,要成为一个高水平的程序员尤为艰难.这是因为计算机软件技术更新的速度越来越快,而这些技术大多来源于英语国家,我们在引进这些技术时往往受到语言障碍 ...

  5. 【GIS】Vue修改图层透明度

    1.添加透明度控制条 <input id="slider" type="range" min="0" max="1" ...

  6. 在一个由 'L' , 'R' 和 'X' 三个字符组成的字符串(例如"RXXLRXRXL")中进行移动操作。一次移动操作指用一个"LX"替换一个"XL",或者用一个"XR"替换一个"RX"。现给定起始字符串start和结束字符串end,请编写代码,当且仅当存在一系列移动操作使得start可以转换成end时, 返回True。

    在一个由 'L' , 'R' 和 'X' 三个字符组成的字符串(例如"RXXLRXRXL")中进行移动操作.一次移动操作指用一个"LX"替换一个"XL ...

  7. 解决Android SDK Manager无法更新下载

    Android Studio2.2版本有一个bug,当在gradle文件编写代码时,程序会自动同步编译,这时整个程序都处于页面卡顿状态,要等待很久才能缓过来.最近实在忍受不了这种龟速,刚好发现有了新的 ...

  8. 1. Mysql数据库的安装

    1. Mysql数据库的安装 (1)打开Mysql安装软件,同意相关协议进入下一步安装,在选择安装类型中选择[自定义]进入下一步安装. (2)选择安装的组件信息. (3)服务器软件安装目录 (4)数据 ...

  9. Mysql的复杂语句

    简单的crud操作很容易,但是对于嵌套的查询语句,多表查询语句,以及条件查询语句,这些都很复杂,需要不断练习. limit a,b: 从a开始,长度为b. SELECT * FROM tb_quali ...

  10. apache 二级域名设置完整步骤

    步骤如下: 1. 你要拥有一个有泛域名解析的顶级域名,例如:abc.com 在dns服务上设置,域名服务商都提供此服务 www.abc.com      指向服务器IPabc.com          ...