学会这29个常用函数,你就是Pandas专家

Python
326
0
0
2023-06-13
python反射机制内置函数及场景构造详解
上一篇
python实现一个围棋小游戏
下一篇
标签   Python库
目录
  • 1、读取 csv 文件 df.read_csv
  • 2、写入 csv 文件 df.to_csv
  • 3、数据帧 pd.DataFrame
  • 4、 获取数据帧的形状 df.shape
  • 5、查看前 n 行 df.head(n)
  • 6、打印列的类型 df.dtypes
  • 7、修改列的类型 astype
  • 8-9、打印有关 DataFrame 的描述性信息
  • 10、 填充 NaN 值 df.fillna
  • 11、数据帧的关联 df.merge
  • 12、数据帧排序 df.sort_values
  • 13、数据帧分组 df.groupby
  • 14、重命名列 df.rename
  • 15、删除列 df.drop
  • 16、增加列
  • 17、数据帧过滤-布尔型过滤
  • 18、数据帧过滤-之获取某一列
  • 19、数据帧过滤-按标签选择 df.loc
  • 20、数据帧过滤-按索引选择 df.iloc
  • 21、数据帧中对某一列去重
  • 22、数据帧中获取某一列去重后的个数
  • 23、将函数应用于 DataFrame df.apply
  • 24、标记重复行 df.duplicated
  • 25、删除重复行 df.drop_duplicates
  • 26、寻找值的分布 value_counts
  • 27、 重置 DataFrame 的索引 df.reset_index
  • 28、查找交叉表 df.crosstab
  • 29、透视数据帧

1、读取 csv 文件 df.read_csv

csv 通常是读取 Pandas DataFrame 的最流行的文件格式，你可以使用 pd.read_csv() 方法创建 Pandas DataFrame，类似的函数还有 read_excel，用法如下：

file = "file.csv"
 
df = pd.read_csv(file)
print(df)
####### out put ##########
   col  col2 col3
     1     2    A
     3     4    B

2、写入 csv 文件 df.to_csv

将 DataFrame 导出到 csv，类似的函数是 df.to_excel，用法如下：

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

查看 file.csv

!cat file.csv
col|col2|col3
|2|A
|4|B

3、数据帧 pd.DataFrame

用来创建 Pandas 的 DataFrame：

data = [[, 2, "A"], 
        [, 4, "B"]]
 
df = pd.DataFrame(data, 
                  columns = ["col", "col2", "col3"])
print(df)
 
####### out put ##########
   col  col2 col3
     1     2    A
     3     4    B

借助这个构造函数，我们还可以把字典转换为 DataFrame：

data = {'col': [1, 2], 
        'col': [3, 4], 
        'col': ["A", "B"]}
 
df = pd.DataFrame(data=data)
print(df)
####### out put ##########
   col  col2 col3
   col  col2 col3
     1     3    A
     2     4    B

4、 获取数据帧的形状 df.shape

df.shape 属性可以获取 DataFrame 的形状，也就是几行几列这样的数据：

print(df)
print("Shape:", df.shape)
####### out put ##########
   col  col2 col3
   col  col2 col3
     1     3    A
     2     4    B
 
Shape: (, 3)

5、查看前 n 行 df.head(n)

数据帧（DataFrame) 会有很多行，通常我们只对查看 DataFrame 的前 n 行感兴趣，这时可以使用 df.head(n) 方法打印前 n 行：

print(df.head())
####### out put ##########
   col  col2 col3
     1     2    A
     3     4    B
     5     6    C
     7     8    D
     9    10    E

6、打印列的类型 df.dtypes

Pandas 为 DataFrame 中的每一列分配适当的数据类型。使用 dtypes 参数打印所有列的数据类型：

df.dtypes
 
####### out put ##########
col     int64
col     int64
col    object
dtype: object

7、修改列的类型 astype

如果要更改列的数据类型，可以使用 astype() 方法，如下所示：

df["col"] = df["col1"].astype(np.int8)
print(df.dtypes)
####### out put ##########
col      int8
col     int64
col    object
dtype: object

8-9、打印有关 DataFrame 的描述性信息

这里有两个函数，第一个 df.info():

df.info()
####### out put ##########
<class 'pandas.core.frame.DataFrame'>
RangeIndex:  entries, 0 to 9
Data columns (total  columns):
 #   Column  Non-Null Count  Dtype 
---  ------  --------------  ----- 
    col1    10 non-null     int8  
    col2    10 non-null     int64 
    col3    10 non-null     object
dtypes: int(1), int8(1), object(1)
memory usage: .0+ bytes

第二个是 df.describe()。

如果要打印每个数值列的平均值、标准偏差、最大值等标准统计信息，就可以这样：

print(df.describe())
####### out put ##########
        col   col2
count  .00  10.00
mean   .00  11.00
std     .06   6.06
min     .00   2.00
%     5.50   6.50
%    10.00  11.00
%    14.50  15.50
max    .00  20.00

10、 填充 NaN 值 df.fillna

假如有这样的 DataFrame：

df = pd.DataFrame([[, 2, "A"], [np.nan, 4, "B"]], 
                  columns = ["col", "col2", "col3"])
print(df)
####### out put ##########
   col  col2 col3
   1.0     2    A
   NaN     4    B

里面有 NaN，如果要填充它，可以这样：

df.fillna(, inplace = True)
print(df)
######## out put ##########
   col  col2 col3
   1.0     2    A
   0.0     4    B

11、数据帧的关联 df.merge

如果你想用一个连接键合并两个 DataFrame，使用 pd.merge() 方法：

merge 之前：

df = ...
df = ...
 
print(df)
print(df)
######## out put ##########
   col  col2 col3
     1     2    A
     3     4    A
     5     6    B
  col col4
    A    X
    B    Y

使用 df.merge 后，可以生成新的数据帧

pd.merge(df, df2, on = "col3")
######## out put ##########
  col  col2 col3 col4
     1     2    A    X
     3     4    A    X
     5     6    B    Y

12、数据帧排序 df.sort_values

排序是 DataFrame 非常典型的操作，我们可以使用 df.sort_values() 方法对 DataFrame 进行排序：

f = pd.DataFrame([[, 2,  "A"], 
                   [, 8,  "B"], 
                   [, 10, "B"]], 
                  columns = ["col", "col2", "col3"])
 
print(df.sort_values("col"))
######## out put ##########
   col  col2 col3
     1     2    A
     3    10    B
     5     8    B

13、数据帧分组 df.groupby

要对 DataFrame 进行分组并执行聚合，使用 Pandas 中的 groupby() 方法，如下所示：

df = pd.DataFrame([[, 2,  "A"], 
                   [, 8,  "B"], 
                   [, 10, "B"]], 
                  columns = ["col", "col2", "col3"])
 
df.groupby("col").agg({"col1":sum, "col2":max})
######## out put ##########
      col  col2
col            
A             2
B            10

14、重命名列 df.rename

如果要重命名列标题，请使用 df.rename() 方法，如下所示：

f = pd.DataFrame([[, 2,  "A"], 
                   [, 8,  "B"], 
                   [, 10, "B"]], 
                  columns = ["col", "col2", "col3"])
 
df.rename(columns = {"col":"col_A"})
 
######## out put ##########
 
   col_A  col col3
     1     2    A
     5     8    B
     3    10    B

15、删除列 df.drop

如果要删除数据帧中的某一列，可以这样：

df = pd.DataFrame([[, 2,  "A"], 
                   [, 8,  "B"], 
                   [, 10, "B"]], 
                  columns = ["col", "col2", "col3"])
 
print(df.drop(columns = ["col"]))
 
######## out put ##########
 
   col col3
     2    A
     8    B
    10    B

16、增加列

方法一：使用赋值运算符添加新列

df = pd.DataFrame([[, 2], [3, 4]], 
                  columns = ["col", "col2"])
 
df["col"] = df["col1"] + df["col2"]
print(df)
 
######## out put ##########
 
   col  col2  col3
     1     2     3
     3     4     7

方法二：df.assign()

df = pd.DataFrame([[, 2], [3, 4]], 
                  columns = ["col", "col2"])
 
df = df.assign(col = df["col1"] + df["col2"])
 
print(df)
 
######## out put ##########
 
   col  col2  col3
     1     2     3
     3     4     7

17、数据帧过滤-布尔型过滤

如果该行上的条件评估为 True，则选择该行：

df = pd.DataFrame([[, 2,  "A"], 
                   [, 8,  "B"], 
                   [, 10, "B"]], 
                  columns = ["col", "col2", "col3"])
 
print(df[df["col"] > 5])
 
######## out put ##########
 
   col  col2 col3
     5     8    B
     3    10    B

18、数据帧过滤-之获取某一列

df["col"] ## or df.col1
 
######## out put ##########    1
    5
    3
Name: col, dtype: int64

19、数据帧过滤-按标签选择 df.loc

在基于标签的选择中，要求的每个标签都必须在 DataFrame 的索引中。整数也是有效的标签，但它们指的是标签而不是索引位置。

假如有如下 DataFrame：

df = pd.DataFrame([[, 5,  10], 
                   [, 8,  6], 
                   [, 10, 4]], 
                  columns = ["Maths", "Science", "English"],
                  index = ["John", "Mark", "Peter"])
 
print(df)
 
######## out put ##########
 
       Maths  Science  English
John               5       10
Mark               8        6
Peter             10        4

我们使用 df.loc 方法进行基于标签的选择：

df.loc["John"]
 
######## out put ##########
 
Maths       
Science     
English    
Name: John, dtype: int
df.loc["Mark", ["Maths", "English"]]
 
######## out put ##########
 
Maths      
English    
Name: Mark, dtype: int

但是在df.loc[]中，不允许使用索引来过滤 DataFrame，如下图：

20、数据帧过滤-按索引选择 df.iloc

以 19 里面的数据帧为例，使用 df.iloc 可以用索引：

df.iloc[]
 
######## out put ##########
 
Maths       
Science     
English    
Name: John, dtype: int

21、数据帧中对某一列去重

df = pd.DataFrame([[, 2,  "A"], 
                   [, 8,  "B"], 
                   [, 10, "A"]], 
                  columns = ["col", "col2", "col3"])
 
df["col"].unique()
 
######## out put ##########
 
array(['A', 'B'], dtype=object)

22、数据帧中获取某一列去重后的个数

df["col"].nunique()
 
######## out put ##########

23、将函数应用于 DataFrame df.apply

非常实用：

def add_cols(row):
    return row.col + row.col2
 
df = pd.DataFrame([[, 2], 
                   [, 8], 
                   [, 9]], 
                  columns = ["col", "col2"])
                  
df["col"] = df.apply(add_cols, axis=1)
print(df)
 
######## out put ##########
 
   col  col2  col3
     1     2     3
     5     8    13
     3     9    12

还可以将方法应用于单个列，如下所示：

def square_col(num):
    return num**
 
df = pd.DataFrame([[, 2], 
                   [, 8], 
                   [, 9]], 
                  columns = ["col", "col2"])
                  
df["col"] = df.col1.apply(square_col)
print(df)
 
######## out put ##########
 
   col  col2  col3
     1     2     1
     5     8    25
     3     9     9

24、标记重复行 df.duplicated

你可以使用 df.duplicated() 方法标记所有重复的行

df = pd.DataFrame([[, "A"], 
                   [, "B"], 
                   [, "A"]], 
                  columns = ["col", "col2"])
                  
df.duplicated(keep=False)
 
######## out put ##########     True
    False
     True
dtype: bool

25、删除重复行 df.drop_duplicates

可以使用 df.drop_duplicates() 方法删除重复的行，如下所示：

df = pd.DataFrame([[, "A"], 
                   [, "B"], 
                   [, "A"]], 
                  columns = ["col", "col2"])
                  
print(df.drop_duplicates())
 
######## out put ##########
 
col col2
     1    A
     2    B

26、寻找值的分布 value_counts

要查找列中每个唯一值的频率，请使用 df.value_counts() 方法：

df = pd.DataFrame([[, "A"], 
                   [, "B"], 
                   [, "A"]], 
                  columns = ["col", "col2"])
                  
print(df.value_counts("col"))
 
######## out put ##########
 
col
A    
B    
dtype: int

27、 重置 DataFrame 的索引 df.reset_index

要重置 DataFrame 的索引，请使用 df.reset_index() 方法：

df = pd.DataFrame([[, 5,  10], 
                   [, 8,  6], 
                   [, 10, 4]], 
                  columns = ["col", "col2", "col3"],
                  index = [, 3, 1])
 
print(df.reset_index())
 
######## out put ##########
 
   index  col  col2  col3
      2     6     5    10
      3     5     8     6
      1     3    10     4

要删除旧索引，请将 drop=True 作为参数传递给上述方法：

df.reset_index(drop=True)
 
######## out put ##########
 
   col  col2  col3
     6     5    10
     5     8     6
     3    10     4

28、查找交叉表 df.crosstab

要返回跨两列的每个值组合的频率，请使用 pd.crosstab() 方法：

df = pd.DataFrame([["A", "X"], 
                   ["B", "Y"], 
                   ["C", "X"],
                   ["A", "X"]], 
                  columns = ["col", "col2"])
 
print(pd.crosstab(df.col, df.col2))
 
######## out put ##########
 
col  X  Y
col      
A       0
B       1
C       0

29、透视数据帧

数据透视表是 Excel 中常用的数据分析工具。与上面讨论的交叉表类似，Pandas 中的数据透视表提供了一种交叉制表数据的方法。

假如 DataFrame 如下：

df = ...
 
print(df)
    Name  Subject  Marks   John    Maths      6
   Mark    Maths      5
  Peter    Maths      3
   John  Science      5
   Mark  Science      8
  Peter  Science     10
   John  English     10
   Mark  English      6
  Peter  English      4

使用 pd.pivot_table() 方法，可以将列条目转换为列标题：

pd.pivot_table(df, 
               index = ["Name"],
               columns=["Subject"], 
               values='Marks',
               fill_value=)
 
######## out put ##########
 
Subject  English  Maths  Science
Name                            
John                6        5
Mark                 5        8
Peter                3       10
python反射机制内置函数及场景构造详解
上一篇
python实现一个围棋小游戏
下一篇