pandas基本用法

方法与操作

一维数组

TODO

二维数组

1.1操作excel

自建DataFram数据结构

data = {"key":"value"}
df = pd.DataFram(data)
df.index    # 行索引
df.columns  # 列索引

读取excel

df = pd.read_excel({site},sheet_name="Sheet名称"/索引0/1/2... )
# indeex_col是指行索引从哪里开始，header是指列索引从哪里开始，usecols指读取第几列
df.info()
# 查看数据表中的数据类型
df.describe 
# 获取数据分布情况,比如最大值，最小值，方差等

数据清洗

缺失值判断

df.isnull()
#  可以判断缺失值分布情况，如果是缺失值则返回True

缺失值删除

df.dropna(how="all")
# dropna()默认删除含有缺失值的行，只要某一行存在缺失值，就删除这行,how=all,只删除全为空值得那一行，不全是空值得一行则会被保留

缺失值填充

df.fillna(value)
# fillna可以找到缺失值，然后用value填充
df.fillna(“key1”:"value1","key2","value2")
# 可以指定列名进行特定值填充

重复值处理

df.drop_duplicates()
# 该方法默认对所有重复值判断，默认保留第一个值
df.drop_duplicates(subset= [])
# 传入要判断的列索引名，可以对指定列进行重复值判断，并删除
df.drop_duplicates(keep= "first"/"last"/"False")
# first保留第一个值，last保留最后一个，False把重复值全部删除

数据类型的转换

首先需要查看数据类型

df["列名"].dtype
# 查看这一列的数据类型
df["列名"].astype("int64")
# 将这一列的数据类型转换为int64

索引的添加与 重命名

读取完excel后，会存在索引不与我们预期想象的那样，所以，需要对索引进行修改

df.columns = list[]
df.index = list[]
# 上述两个发方法可以在没有索引的情况下加入索引（行/列）
df.rename(columnus=dict,index=dict)
重命名索引值，key=原名，value=新名

索引的重置

reset_index(level=None,drop=False,inplacae=False)
level参数用来指定要将层次化索引的第几级别转化为columns，第一个索引为0级，第二个索引为1级，默认为全部索引，即默认把索引全部转化为columns。
drop参数用来指定是否将原索引删掉，即不作为一个新的
columns，默认为False，即不删除原索引。
inplace参数用来指定是否修改原数据表。