大家好,我是欧K。本期是对pandas常用操作指令的一个总结,主要涉及读取数据和保存数据、数据详情信息、数据处理、数据切片、筛选、排序、分组、统计、表格样式等几部分内容,希望对你有所帮助。
往期相关:
Pandas常用操作命令(一)
Pandas常用操作命令(二)Pandas常用操作命令(三)Pandas常用操作命令(四)
1. 导入模块
import pandas as pd import numpy as np
2. 读取数据和保存数据
2.1 从CSV文件读取数据,编码'gbk'
2.2 读取前6行,当数据量比较大时,可以只读取前n行2.3 第一列作为行索引,忽略列索引2.4 读取时忽略第1/3/5行和最后两行2.5 从限定分隔符(',')的文件或文本读取数据
2.6 保存数据
# 2.1 从CSV文件读取数据,编码'gbk' pd.read_csv(filename, encoding='gbk') # 2.2 读取前6行,当数据量比较大时,可以只读取前n行 pd.read_csv(filename, encoding='gbk', nrows = 6) # 2.3 第一列作为行索引,忽略列索引 pd.read_csv(filename, encoding='gbk', header=None, index_col=0) # 2.4 读取时忽略第1/3/5行和最后两行 pd.read_csv(filename, encoding='gbk', skiprows=[1,3,5], skipfooter=2, engine='python') # 2.5 从限定分隔符(',')的文件或文本读取数据 pd.read_table(filename, sep=',', encoding='gbk') # 2.6 保存数据 # 保存为csv文件 df.to_csv('test_ison.csv') # 保存为xlsx文件 df.to_excel('test_xlsx.xlsx',index=False) # 保存为ison文件 df.to_json('test_json.txt')
3. 查看数据信息
3.1 查看前n行
3.2 查看后n行3.3 查看行数和列数3.4 查看列索引3.5 查看行索引3.6 查看索引、数据类型和内存信息
3.7 查看数值型列的汇总统计
3.8 查看每一列的唯一值和计数
# 3.1 查看前n行 df.head(3) # 3.2 查看后n行 df.tail(3) # 3.3 查看行数和列数 df.shape # 3.4查看列索引 df.columns # 3.5 查看行索引 df.index # 3.6 查看索引、数据类型和内存信息 df.info() # 3.7 查看数值型列的汇总统计 df.describe() # 3.8 查看每一列的唯一值和计数 df.apply(pd.Series.value_counts)
4. 数据处理
4.1 重命名列名
4.2 选择性更改列名
4.3 批量更改索引
4.4 批量更改列名
4.5 设置姓名列为行索引
4.6 检查哪些列包含缺失值
4.7 统计各列空值
4.8 删除本列中空值的行
4.9 仅保留本列中是空值的行
4.10 去掉某行
4.11 去掉某列
4.12 删除所有包含空值的行
4.13 删除行里全都是空值的行
4.14 删除所有包含空值的列
4.15 保留至少有6个非空值的行
4.16 保留至少有11个非空值的列
4.17 行数据向下填充
4.18 列数据向右填充
4.19 用0替换所有的空值
4.20 强制转换数据类型
4.21 查看有多少不同的城市
4.22 单值替换
4.23 多值替换
4.24 多值替换单值
4.25 替换某列,显示需要加inplace=True
4.26 拆分某列,生成新的Dataframe
4.27 某一列类型转换,注意该列类型要一致,包括(NaN)
# 4.1 重命名列名 df.columns = ['姓名','性别','语文','数学','英语','城市','省份'] # 4.2 选择性更改列名 df.rename(columns={'姓名': '姓--名','性别': '性--别'},inplace=True) # 4.3 批量更改索引 df.rename(lambda x: x + 10) # 4.4 批量更改列名 df.rename(columns=lambda x: x + '_1') # 4.5 设置姓名列为行索引 df.set_index('姓名') # 4.6 检查哪些列包含缺失值 df.isnull().any() # 4.7 统计各列空值 df.isnull().sum() # 4.8 删除本列中空值的行 df[df['数学'].notnull()] df[~df['数学'].isnull()] # 4.9 仅保留本列中是空值的行 df[df['数学'].isnull()] df[~df['数学'].notnull()] # 4.10 去掉某行 df.drop(0, axis=0) # 4.11 去掉某列 df.drop('英语', axis=1) # 4.12 删除所有包含空值的行 df.dropna() # 4.13 删除行里全都是空值的行 df.dropna(how = 'all') # 4.14 删除所有包含空值的列 df.dropna(axis=1) # 4.15 保留至少有6个非空值的行 df.dropna(thresh=6) # 4.16 保留至少有11个非空值的列 df.dropna(axis=1,thresh=11) # 4.17 行数据向下填充 df.fillna(method = 'ffill') # 4.18 列数据向右填充 df.fillna(method = 'ffill',axis=1) # 4.19 用0替换所有的空值 df.fillna(0) # 4.20 强制转换数据类型 df_t1 = df.dropna() df_t1['语文'].astype('int') # 4.21 查看有多少不同的城市 df['城市'].unique() # 4.22 单值替换 df.replace('苏州', '南京') # 4.23 多值替换 df.replace({'苏州':'南京','广州':'深圳'}) df.replace(['苏州','广州'],['南京','深圳']) # 4.24 多值替换单值 df.replace(['深圳','广州'],'东莞') # 4.25 替换某列,显示需要加inplace=True df['城市'] = df['城市'].replace('苏州', '南京') # 4.26 拆分某列,生成新的Dataframe df1 = df['姓名'].str.split('-',expand=True) df1.columns = ['学号','姓名'] # 4.27 某一列类型转换,注意该列类型要一致,包括(NaN) df1.dropna(inplace = True) df1['语文'] = df1['语文'].apply(int)
5. 数据切片、筛选
5.1 输出城市为上海
5.2 输出城市为上海或广州
5.3 输出城市名称中含有‘海’字的行
5.4 输出城市名称以‘海’字开头的行
5.5 输出城市名称以‘海’字结尾的行
5.6 输出所有姓名,缺失值用Null填充
5.7 重置索引
5.8 前两行
5.9 后两行
5.10 2-8行
5.11 每隔3行读取
5.12 2-8行,步长为2,即第2/4/6行
5.13 选取'语文','数学','英语'列
5.14 学号为'001'的行,所有列
5.15 学号为'001'或'003'的行,所有列
5.16 学号为'001'至'009'的行,所有列
5.17 列索引为'姓名',所有行
5.18 列索引为'姓名'至‘城市’,所有行
5.19 语文成绩大于80的行
5.20 语文成绩大于80的人的学号和姓名
5.21 输出'赵四'和'周七'的各科成绩
5.22 选取第2行
5.23 选取前3行
5.24 选取第2行、第4行、第6行
5.25 选取第2列
5.26 选取前3列
5.27 选取第3行的第3列
5.28 选取第1列、第3列和第4列
5.29 选取第2行的第1列、第3列、第4列
5.30 选取前3行的前3列
# 5.1 输出城市为上海 df[df['城市']=='上海'] # 5.2 输出城市为上海或广州 df[df['城市'].isin(['上海','广州'])] # 5.3 输出城市名称中含有‘海’字的行 df[df['城市'].str.contains("海", na=False)] # 5.4 输出城市名称以‘海’字开头的行 df[df['城市'].str.startswith("海", na=False)] # 5.5 输出城市名称以‘海’字结尾的行 df[df['城市'].str.endswith("海", na=False)] # 5.6 输出所有姓名,缺失值用Null填充 df['姓名'].str.cat(sep='、',na_rep='Null') # 5.7 重置索引 df2 = df1.set_index('学号') # 5.8 前两行 df2[:2] # 5.9 后两行 df2[-2:] # 5.10 2-8行 df2[2:8] # 5.11 每隔3行读取 df2[::3] # 5.12 2-8行,步长为2,即第2/4/6行 df2[2:8:2] # 5.13 选取'语文','数学','英语'列 df2[['语文','数学','英语']] # df.loc[]只能使用标签索引,不能使用整数索引,通过便签索引切边进行筛选时,前闭后闭 # 5.14 学号为'001'的行,所有列 df2.loc['001', :] # 5.15 学号为'001'或'003'的行,所有列 df2.loc[['001','003'], :] # 5.16 学号为'001'至'009'的行,所有列 df2.loc['001':'009', :] # 5.17 列索引为'姓名',所有行 df2.loc[:, '姓名'] # 5.18 列索引为'姓名'至‘城市’,所有行 df2.loc[:, '姓名':'城市'] # 5.19 语文成绩大于80的行 df2.loc[df2['语文']>80,:] df2.loc[df2.loc[:,'语文']>80, :] df2.loc[lambda df2:df2['语文'] > 80, :] # 5.20 语文成绩大于80的人的学号和姓名 df2.loc[df2['语文']>80,['姓名','城市']] # 5.21 输出'赵四'和'周七'的各科成绩 df2.loc[df2['姓名'].isin(['赵四','周七']),['姓名','语文','数学','英语']] # # df.iloc[]只能使用整数索引,不能使用标签索引,通过整数索引切边进行筛选时,前闭后开 # 5.22 选取第2行 df2.iloc[1, :] # 5.23 选取前3行 df2.iloc[:3, :] # 5.24 选取第2行、第4行、第6行 df2.iloc[[1,3,5],:] # 5.25 选取第2列 df2.iloc[:, 1] # 5.26 选取前3列 df2.iloc[:, 0:3] # 5.27 选取第3行的第3列 df2.iloc[3, 3] # 5.28 选取第1列、第3列和第4列 df2.iloc[:, [0,2,3]] # 5.29 选取第2行的第1列、第3列、第4列 df2.iloc[1, [0,2,3]] # 5.30 选取前3行的前3列 df2.iloc[:3, :3]