- 导入 Pandas 与 NumPy：
In [1]: import numpy as np
In [2]: import pandas as pd
- 载入数据
pd.read_csv()
- 分块读取
pd.read_csv('train.csv', chunksize=1000)
- 查看数据的基本信息
df.info()
- 判断数据是否为空，为空的地方返回True，其余地方返回False
df.isnull().
- 保存数据
df.to_csv()
Pandas Series 类似表格中的一个列（column），类似于一维数组，可以保存任何数据类型。
Series 由索引（index）和列组成，函数如下：
pandas.Series( data, index, dtype, name, copy)
参数说明：
- data：一组数据(ndarray 类型)。
- index：数据索引标签，如果不指定，默认从 0 开始。
- dtype：数据类型，默认会自己判断。
- name：设置名称。
- copy：拷贝数据，默认为 False。
DataFrame 是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔型值）。DataFrame 既有行索引也有列索引，它可以被看做由 Series 组成的字典（共同用一个索引）。
DataFrame 构造方法如下：
pandas.DataFrame( data, index, columns, dtype, copy)
参数说明：
- data：一组数据(ndarray、series, map, lists, dict 等类型)。
- index：索引值，或者可以称为行标签。
- columns：列标签，默认为 RangeIndex (0, 1, 2, …, n) 。
- dtype：数据类型。
- copy：拷贝数据，默认为 False。
pd.DataFrame(np.arange(8).reshape((2,4)),index=[2,1],columns=['d', 'a', 'b', 'c'])
frame2 = pd.DataFrame([[1.4, np.nan],
[7.1, -4.5],
[np.nan, np.nan],
[0.75, -1.3]
], index=['a', 'b', 'c', 'd'], columns=['one', 'two'])
frame2
【代码解析】
pd.DataFrame() ：创建一个DataFrame对象
np.arange(8).reshape((2, 4)) : 生成一个二维数组（2*4）,第一列：0，1，2，3 第二列：4，5，6，7
index=[‘2, 1] ：DataFrame 对象的索引列
columns=[‘d’, ‘a’, ‘b’, ‘c’] ：DataFrame 对象的索引行
两个DataFrame相加后，会返回一个新的DataFrame，对应的行和列的值会相加，没有对应的会变成空值NaN
假定有数据集df，格式为dataframe，现想获取其列名
- df.columns：返回的是array格式。
- list(df) ：返回list格式，非常方便
-
df.keys()
-
查看某一列唯一值
dataframe['xxx'].unique()
- 查看某一列所有值（例：查看”Cabin”这列的所有值）
df['Cabin'].head(3)
df.Cabin.head(3)
- drop
DataFrame.drop(labels=None, axis=0, index=None, columns=None, level=None, inplace=False, errors='raise')
参数解释：
如果想要完全的删除你的数据结构，使用inplace=True，因为使用inplace就将原数据覆盖了，
df.drop(['B', 'C'], axis=1)
df.drop(columns=['B', 'C'])
df.drop(labels=['B', 'C'], axis=1)
- del
例：删除test中的a列
del test['a']
df[df.A==100]
df[df["Age"]<10]
df[(df.A==100)&(df.B=='a')]
df[(df.A==100)|(df.B=='b')]
reset_index()
不想保留原来的index，使用参数 drop=True，默认 False。
loc[]基于标签索引选取数据.iloc[]基于整数索引选取数据
- .sort_values()
使用 .sort_values()，将单个参数传递给包含要作为排序依据的列的名称的方法。
DataFrame.sort_values(by=’##’, axis=0, ascending=True, inplace=False, na_position=’last’)
参数
by – 指定列名（axis=0或者’index’）或索引值（axis=1或者’columns’）
axis – 按行、按列，默认axis=0按指定列排序
ascending – 是否升序 默认为True
inplace – 是否修改原对象
kind – 排序算法 快排quicksort、归并mergesort、堆排序heapsort、稳定排序stable，默认快排
na_position – {‘first’, ‘last’} 设定缺失值的显示位置
ignore_index – 排序后是否重置索引
key – 排序之前使用的函数 （version 1.1.0 后才有该参数）
- 其他排序方式
frame.sort_index()
frame.sort_index(axis=1)
frame.sort_index(axis=1, ascending=False)
frame.sort_values(by=['a', 'c'], ascending=False)
DataFrame.describe(percentiles=None, include=None, exclude=None)
参数
percentiles：赋值类似列表形式，可选
表示百分位数，介于0和1之间。默认值为 [.25,.5,.75]，分别返回第25，第50和第75百分位数。 可自定义其它值，用法为df.describe(percentiles=[.xx])。
include：’all’，类似于dtypes列表或None（默认值），可选
要包含在结果中的数据类型的白名单。对于Series不可用。以下是选项：
‘all’：输入的所有列都将包含在输出中。
类似于dtypes的列表：将结果限制为提供的数据类型。将结果限制为数字类型用法：numpy.number。要将其限制为对象列用法：numpy.object。字符串也可以以select_dtypes（例如df.describe(include=['O'])）的方式使用。要选择分类类型，请使用'category'
无（默认）：结果将包括所有数字列。
exclude：类似于dtypes列表或None（默认值），可选，
要从结果中除去的黑名单数据类型列表。Series不可用。以下是选项：
类似于dtypes的列表：从结果中排除提供的数据类型。排除数值类型用法：numpy.number。要排除对象列，使用numpy.object。字符串也可以以select_dtypes（例如df.describe(include=['O'])）的方式使用。要排除分类类型，请使用'category'
无（默认）：结果将不包含任何内容。count : 样本数据大小
mean : 样本数据的平均值
std : 样本数据的标准差
min : 样本数据的最小值
25% : 样本数据25%的时候的值
50% : 样本数据50%的时候的值
75% : 样本数据75%的时候的值
max : 样本数据的最大值Original: https://blog.csdn.net/weixin_64632836/article/details/126343485
Author: 上烟雨心上尘
Title: 初识数据分析01——Pandas入门
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/743619/
转载文章受原作者版权保护。转载请注明原作者出处！