Pandas 数据分析入门常用23个代码

微信图片_20211020172855.jpg

1、读入 CSV 数据集

pd.DataFrame.from_csv(“csv_file”)

#或者

pd.read_csv(“csv_file”)

2、读入 Excel 数据集

pd.read_excel("excel_file")

3、直接把数据写入 CSV

#如数据以逗号分隔，且没有索引：
df.to_csv("data.csv", sep=",", index=False)

4、基础数据集特征信息

df.info()

5、基础数据集统计结果

df.describe()

6、以表格形式打印数据

#其中“print_table”是一列list，“headers”是一列字符串抬头
print(tabulate(print_table, headers=headers))

7、列出列名称

df.columns

8、删除缺失的数据

#返回给定轴上标签的对象，逐个丢掉相应数据。
#how：筛选方式。‘any’，表示该行/列只要有一个以上的空值，就删除该行/列；‘all’，表示该行/列全部都为空值，就删除该行/列。默认为'any'
df.dropna(axis=0, how='any')

9、替换丢失的数据

#用“value”的值替换“to_replace”中给出的值。
df.replace(to_replace=None, value=None)

10、检查 NAN

#检测缺失值（有数值数组中的NaN，对象数组中的None和NaN）
pd.isnull(object)

11、删除特征

#轴为 0 代表行，1 代表列
df.drop('feature_variable_name', axis=1)

12、将对象类型转换为 float

#将对象类型转换为数字型以便计算（前提是字符串格式）
pd.to_numeric(df["feature_name"], errors='coerce')

13、将数据转换为 Numpy 数组

df.as_matrix()

14、获取数据的头“n”行

# n直接填写数字
df.head(n)

15、按特征名称获取数据

df.loc[feature_name]

16、将函数应用于数据

#这个函数将数据里“height”一列中的所有值乘以2
df["height"].apply(*lambda* height: 2 * height)

# 或者
def multiply(x):

 return x * 2

df["height"].apply(multiply)

17、重命名数据列

#这里我们将数据的第3列重命名为“size”
df.rename(columns = {df.columns[2]:'size'}, inplace=True)

18、单独提取某一列

df["name"].unique()

19、访问子数据

#我们从数据中选择“name”和“size”两列
new_df = df[["name", "size"]]

20、总结数据信息

#数据之和
df.sum()

#数据中的最小值
df.min()

#数据中的最大值
df.max()

#最小值的索引
df.idxmin()

#最大值的索引
df.idxmax()

#数据统计信息，有四分位数，中位数等
df.describe()

#平均值
df.mean()

#中位数值
df.median()

21、对数据进行排序

df.sort_values(ascending = False)

22、布尔索引

#这里我们过滤“size”的数据列，以显示等于5的值：
df[df["size"] == 5]

23、选择某值

#选择“size”列的第一行：
df.loc([0], ['size'])