本次的Python学习教程涉及pandas最常用的36个函数，通过这些函数介绍如何完成数据生成和导入、数据清洗、预处理，以及最常见的数据分类，数据筛选，分类汇总，透视等最常见的操作。
生成数据表
常见的生成数据表的方法有两种，第一种是导入外部数据，第二种是直接写入数据。Excel中的“文件”菜单中提供了获取外部数据的功能，支持数据库和文本文件和页面的多种数据源导入。
Python支持从多种类型的数据导入。在开始使用Python进行数据
导入前需要先导入pandas库，为了方便起见，我们也同时导入numpy
库.
import numpy as np
import pandas as pd
导入外部数据
df=pd.DataFrame(pd.read_csv('name.csv',header=1))
df=pd.DataFrame(pd.read_Excel('name.xlsx'))c
里面有很多可选参数设置，例如列名称、索引列、数据格式等
直接写入数据
df = pd.DataFrame({"id":[1001,1002,1003,1004,1005,1006],
"date":pd.date_range('20130102', periods=6),
"city":['Beijing ', 'SH', ' guangzhou ', 'Shen
zhen', 'shanghai', 'BEIJING '],
"age":[23,44,54,32,34,32],
"category":['100-A','100-B','110-A','110-C','2
10-A','130-F'],
"price":[1200,np.nan,2133,5433,np.nan,4432]},
columns =['id','date','city','category','age',
'price'])
数据表检查
数据表检查的目的是了解数据表的整体情况，获得数据表的关键信息、数据的概况，例如整个数据表的大小、所占空间、数据格式、是否有
空值和重复项和具体的数据内容，为后面的清洗和预处理做好准备。
1.数据维度(行列)
Excel中可以通过CTRL+向下的光标键，和CTRL+向右的光标键
来查看行号和列号。Python中使用shape函数来查看数据表的维度，也就是行数和列数。
df.shape
2.数据表信息
使用info函数查看数据表的整体信息，包括数据维度、列名称、数据格式和所占空间等信息。
数据表信息
df.info()
RangeIndex: 6 entries, 0 to 5
Data columns (total 6 columns):
id 6 non-null int64
date 6 non-null datetime64[ns]
city 6 non-null object
category 6 non-null object
age 6 non-null int64
price 4 non-null float64
dtypes: datetime64ns, float64(1), int64(2), object(2)
memory usage: 368.0+ bytes
3.查看数据格式
Excel中通过选中单元格并查看开始菜单中的数值类型来判断数
据的格式。Python中使用dtypes函数来返回数据格式。
Dtypes是一个查看数据格式的函数，可以一次性查看数据表中所
有数据的格式，也可以指定一列来单独查看
查看数据表各列格式
df.dtypes
id int64
date datetime64[ns]
city object
category object
age int64
price float64
dtype: object
查看单列格式
df['B'].dtype
dtype('int64')
4.查看空值
Excel中查看空值的方法是使用“定位条件”在“开始”目录下的“查找和选择”目录.
Isnull是Python中检验空值的函数
检查数据空值
df.isnull()
检查特定列空值
df['price'].isnull()
5.查看唯一值
Excel中查看唯一值的方法是使用“条件格式”对唯一值进行颜色
标记。
Python中使用unique函数查看唯一值。
查看city列中的唯一值
df['city'].unique()
array(['Beijing ', 'SH', ' guangzhou ', 'Shenzhen', 'shanghai', '
BEIJING '], dtype=object)
6.查看数据表数值
Python中的Values函数用来查看数据表中的数值
查看数据表的值
df.values
7.查看列名称
Colums函数用来单独查看数据表中的列名称。
查看列名称
df.columns
Index(['id', 'date', 'city', 'category', 'age', 'price'], dtype='
object')
8.查看前10行数据
Head函数用来查看数据表中的前N行数据
查看前3行数据
df.head(3)
9.查看后10行数据
Tail行数与head函数相反，用来查看数据表中后N行的数据
查看最后3行
df.tail(3)
数据表清洗
本次的Python学习教程介绍对数据表中的问题进行清洗，包括对空值、大小写问题、数据格式和重复值的处理。
1.处理空值(删除或填充)
Excel中可以通过“查找和替换”功能对空值进行处理
Python中处理空值的方法比较灵活，可以使用 Dropna函数用来删除数据表中包含空值的数据，也可以使用fillna函数对空值进行填充。
删除数据表中含有空值的行
df.dropna(how='any')
也可以使用数字对空值进行填充
使用数字0填充数据表中空值
df.fillna(value=0)
使用price列的均值来填充NA字段，同样使用fillna函数，在要填充的数值中使用mean函数先计算price列当前的均值，然后使用这个均值对NA进行填充。
使用price均值对NA进行填充
df['price'].fillna(df['price'].mean())
Out[8]:
0 1200.0
1 3299.5
2 2133.0
3 5433.0
4 3299.5
5 4432.0
Name: price, dtype: float64
2.清理空格
字符中的空格也是数据清洗中一个常见的问题
清除city字段中的字符空格
df['city']=df['city'].map(str.strip)
3.大小写转换
在英文字段中，字母的大小写不统一也是一个常见的问题。
Excel中有UPPER，LOWER等函数，Python中也有同名函数用来解决
大小写的问题。
city列大小写转换
df['city']=df['city'].str.lower()
4.更改数据格式
Excel中通过“设置单元格格式”功能可以修改数据格式。
Python中通过astype函数用来修改数据格式。
更改数据格式
df['price'].astype('int')
0 1200
1 3299
2 2133
3 5433
4 3299
5 4432
Name: price, dtype: int32
5.更改列名称
Rename是更改列名称的函数，我们将来数据表中的category列更改为category-size。
更改列名称
df.rename(columns={'category': 'category-size'})
6.删除重复值
Excel的数据目录下有“删除重复项”的功能
Python中使用drop_duplicates函数删除重复值
df['city']
0 beijing
1 sh
2 guangzhou
3 shenzhen
4 shanghai
5 beijing
Name: city, dtype: object
city列中beijing存在重复，分别在第一位和最后一位
drop_duplicates()函数删除重复值
删除后出现的重复值
df['city'].drop_duplicates()
0 beijing
1 sh
2 guangzhou
3 shenzhen
4 shanghai
Name: city, dtype: object
设置keep='last‘’参数后，与之前删除重复值的结果相反，第一位
出现的beijing被删除
删除先出现的重复值
df['city'].drop_duplicates(keep='last')
1 sh
2 guangzhou
3 shenzhen
4 shanghai
5 beijing
Name: city, dtype: objec
7.数值修改及替换
Excel中使用“查找和替换”功能就可以实现数值的替换
Python中使用replace函数实现数据替换
附#数据替换
df['city'].replace('sh', 'shanghai')
0 beijing
1 shanghai
2 guangzhou
3 shenzhen
4 shanghai
5 beijing
Name: city, d
篇幅有限，剩下的函数总结会在下一章Python学习教程中继续为大家更新！不会等太久！
