Python Pandas数据分析
Python 学习者 人气:0Pandas 是一个 Python 软件库，它提供了大量能使我们快速便捷地处理数据的函数和方法。一般而言，Pandas 是使 Python 成为强大而高效的数据分析环境的重要因素之一。
Pandas 是基于 NumPy 构建的库，在数据处理方面可以把它理解为 NumPy 加强版，同时 Pandas 也是一项开源项目。它基于 Cython，因此读取与处理数据非常快，并且还能轻松处理浮点数据中的缺失数据（表示为 NaN）以及非浮点数据。
本文中，基本数据集操作主要介绍了 CSV 与 Excel 的读写方法，基本数据处理主要介绍了缺失值及特征抽取，最后的 DataFrame 操作则主要介绍了函数和排序等方法。
基本数据集操作
1.读取 CSV 格式的数据集
pd.DataFrame.from_csv(“csv_file”)
或者：
pd.read_csv(“csv_file”)
2.读取 Excel 数据集
pd.read_excel("excel_file")3.将 DataFrame 直接写入 CSV 文件
如下采用逗号作为分隔符，且不带索引：
df.to_csv("data.csv", sep=",", index=False)4.基本的数据集特征信息
df.info()
5.基本的数据集统计信息
print(df.describe())
6.Print data frame in a table
将 DataFrame 输出到一张表：
print(tabulate(print_table, headers=headers))
当「print_table」是一个列表，其中列表元素还是新的列表，「headers」为表头字符串组成的列表。
7.列出所有列的名字
df.columns
基本数据处理
8.删除缺失数据
df.dropna(axis=0, how='any')
返回一个 DataFrame，其中删除了包含任何 NaN 值的给定轴，选择 how=「all」会删除所有元素都是 NaN 的给定轴。
9.替换缺失数据
df.replace(to_replace=None, value=None)
使用 value 值代替 DataFrame 中的 to_replace 值，其中 value 和 to_replace 都需要我们赋予不同的值。
10.检查空值 NaN
pd.isnull(object)
检查缺失值，即数值数组中的 NaN 和目标数组中的 None/NaN。
11.删除特征
df.drop('feature_variable_name', axis=1)axis 选择 0 表示行，选择表示列。
12.将目标类型转换为浮点型
pd.to_numeric(df["feature_name"], errors='coerce')
将目标类型转化为数值从而进一步执行计算，在这个案例中为字符串。
13.将 DataFrame 转换为 NumPy 数组
df.as_matrix()
14.取 DataFrame 的前面「n」行
df.head(n)
15.通过特征名取数据
df.loc[feature_name]
DataFrame 操作
16.对 DataFrame 使用函数
该函数将令 DataFrame 中「height」行的所有值乘上 2：
df["height"].apply(*lambda* height: 2 * height)
或：
def multiply(x): return x * 2df["height"].apply(multiply)
17.重命名行
下面代码会重命名 DataFrame 的第三行为「size」：
df.rename(columns = {<!--{C}%3C!%2D%2D%20%2D%2D%3E-->df.columns[2]:'size'}, inplace=True)18.取某一行的唯一实体
下面代码将取「name」行的唯一实体：
df["name"].unique()
19.访问子 DataFrame
以下代码将从 DataFrame 中抽取选定了的行「name」和「size」：
new_df = df[["name", "size"]]
20.总结数据信息
# Sum of values in a data frame df.sum() # Lowest value of a data frame df.min() # Highest value df.max() # Index of the lowest value df.idxmin() # Index of the highest value df.idxmax() # Statistical summary of the data frame, with quartiles, median, etc. df.describe() # Average values df.mean() # Median values df.median() # Correlation between columns df.corr() # To get these values for only one column, just select it like this# df["size"].median()
21.给数据排序
df.sort_values(ascending = False)
22.布尔型索引
以下代码将过滤名为「size」的行，并仅显示值等于 5 的行：
df[df["size"] == 5]
23.选定特定的值
以下代码将选定「size」列、第一行的值：
df.loc([0], ['size'])
加载全部内容