pandas常用函式

2021-10-09 11:47:49 字數 1823 閱讀 3553

pd.read_csv(filename):從csv檔案匯入資料

pd.read_table(filename):從限定分隔符的文字檔案匯入資料

pd.read_excel(filename):從excel檔案匯入資料

pd.read_sql(query, connection_object):從sql表/庫匯入資料

pd.read_json(json_string):從json格式的字串匯入資料

pd.read_html(url):解析url、字串或者html檔案,抽取其中的tables**

pd.read_clipboard():從你的貼上板獲取內容,並傳給read_table()

pd.dataframe(dict):從字典物件匯入資料,key是列名,value是資料

df.to_csv(filename):匯出資料到csv檔案

df.to_excel(filename):匯出資料到excel檔案

df.to_sql(table_name, connection_object):匯出資料到sql表

df.to_json(filename):以json格式匯出資料到文字檔案

pd.dataframe(np.random.rand(20,5)):建立20行5列的隨機數組成的dataframe物件

pd.series(my_list):從可迭代物件my_list建立乙個series物件

df.index = pd.date_range(『1900/1/30』, periods=df.shape[0]):增加乙個日期索引

df[col]:根據列名,並以series的形式返回列

df[[col1, col2]]:以dataframe形式返回多列

s.iloc[0]:按位置選取資料

s.loc[『index_one』]:按索引選取資料

df.iloc[0,:]:返回第一行

df.iloc[0,0]:返回第一列的第乙個元素

df.columns = [『a』,』b』,』c』]:重新命名列名

pd.isnull():檢查dataframe物件中的空值,並返回乙個boolean陣列

pd.notnull():檢查dataframe物件中的非空值,並返回乙個boolean陣列

df.dropna():刪除所有包含空值的行

df.dropna(axis=1):刪除所有包含空值的列

df.dropna(axis=1,thresh=n):刪除所有小於n個非空值的行

df.fillna(x):用x替換dataframe物件中所有的空值

s.astype(float):將series中的資料型別更改為float型別

s.replace(1,』one』):用『one』代替所有等於1的值

s.replace([1,3],[『one』,』three』]):用』one』代替1,用』three』代替3

df.rename(columns=lambda x: x + 1):批量更改列名

df.rename(columns=):選擇性更改列名

df.set_index(『column_one』):更改索引列

df.rename(index=lambda x: x + 1):批量重新命名索引

df.describe():檢視資料值列的匯**計

df.mean():返回所有列的均值

df.corr():返回列與列之間的相關係數

df.count():返回每一列中的非空值的個數

df.max():返回每一列的最大值

df.min():返回每一列的最小值

df.median():返回每一列的中位數

df.std():返回每一列的標準差

pandas 常用函式

本文翻譯自文章 pandas cheat sheet python for data science 同時新增了部分註解。對於資料科學家,無論是資料分析還是資料探勘來說,pandas是乙個非常重要的python包。它不僅提供了很多方法,使得資料處理非常簡單,同時在資料處理速度上也做了很多優化,使得和...

Pandas常用函式

count 非 na 值的數量 describe 針對 series 或 df 的列計算匯 計 min max 最小值和最大值 argmin argmax 最小值和最大值的索引位置 整數 idxmin idxmax 最小值和最大值的索引值 quantile 樣本分位數 0 到 1 sum求和 mea...

pandas 常用函式

讀寫csv檔案 寫入 df.to csv filename 讀取 pd.read csv filename,header 0 保留列屬性,header none不讀列屬性 缺失值處理 去掉包含缺失值的行 df.dropna how any 對缺失值進行填充 df.fillna value 5 選擇行...