pandas常用操作

首先：生成一個實驗數據表

import pandas as pd
df = pd.DataFrame({
'a':[1,2,3],'b':[1,2,3]})
a b
0 1 1
1 2 2
2 3 3

1、修改表頭（columns）

1、修改所有列列名

如：a，b修改為A、B。

df.columns = ['A','B']
print(df)

結果：

 A B
0 1 1
1 2 2
2 3 3

2、只修改指定列列名

如：a修改為A

df.rename(columns={
'a':'A'},inplace=True)
print(df)

結果

A b
0 1 1
1 2 2
2 3 3

其他

df：任意的Pandas DataFrame對象
s：任意的Pandas Series對象
raw：行標簽
col：列標簽

導入依賴包：

import pandas as pd
import numpy as np

1、導入數據

pd.read_csv(filename_path)：從CSV文件導入數據
pd.read_table(filename_path)：從限定分隔符的文本文件導入數據
pd.read_excel(filename_path)：從Excel文件導入數據
pd.read_sql(query, connection_object)：從SQL表/庫導入數據
pd.read_json(json_string)：從JSON格式的字符串導入數據
pd.read_html(url)：解析URL、字符串或者HTML文件，抽取其中的tables表格
pd.read_clipboard()：從你的粘貼板獲取內容，並傳給read_table()
pd.DataFrame(dict)：從字典對象導入數據，Key是列名，Value是數據

2、導出數據

df.to_csv(filename_path)：導出數據到CSV文件
df.to_excel(filename_path)：導出數據到Excel文件
df.to_sql(table_name, connection_object)：導出數據到SQL表
df.to_json(filename_path)：以Json格式導出數據到文本文件

3、創建測試數據

pd.DataFrame(np.random.rand(20,5))：創建20行5列的隨機數組成的DataFrame對象
pd.Series(my_list)：從可迭代對象my_list創建一個Series對象
df.index = pd.date_range('1900/1/30', periods=df.shape[0])：增加一個日期索引

4、查看、檢查數據

df.head(n)：查看DataFrame對象的前n行（不加參數，默認前10行）
df.tail(n)：查看DataFrame對象的最後n行（不加參數，默認後10行）
df.shape()：查看行數和列數（維度查看）
df.info()：查看索引、數據類型和內存信息
df.describe()：查看數值型列的匯總統計
s.value_counts(dropna=False)：查看Series對象的唯一值和計數
df.apply(pd.Series.value_counts)：查看DataFrame對象中每一列的唯一值和計數
df.dtypes：查看每一列的數據類型（擴展：df['two'].dtypes，查看“two”列的類型）
df.isnull()：查看空置(注：空置部分會用true顯示，不是空置False顯示)（擴展：df['two'].isnull，查看“two”這一列的空置）
df.values：查看數據表的值
df.columns：查看列名稱

5、數據選取

(具體使用見https://www.cnblogs.com/luckyplj/p/13274662.html)

df.isin([5])：判斷全部數據值中是否有5
df[col].isin([5])：判斷列col中是否有5
df[col]：根據列名，並以Series的形式返回列
df[[col1, col2]]：以DataFrame形式返回多列
s.iloc[0]：按位置選取行數據
s.loc['index_one']：按索引選取行數據
df.loc[:,'reviews'] 獲取指定列的數據 注意： 第一個參數為：表示所有行，第2個參數為列名，設置獲取列名為review的數據
df.loc[[0,2],['customername','reviews','review_fenci']] 選擇指定的多行多列 參數說明： [0,2] 這個列表有兩個元素0,2表示選擇第0行和第2行['customername','reviews','review_fenci']這個列表有3個元素表示選擇列名為'customername','reviews','review_fenci‘的這3列
df.iloc[0,:]：返回第一行
df.iloc[0,0]：返回第一行的第一個元素
df.ix[0] 或 df.ix[raw] ：ix函數可以根據行位置或行標簽選擇行數據

注：loc函數根據行/列標簽(用戶自定義的行名、列名)進行行選擇；

 iloc函數根據行/列位置(默認的行列索引)進行行選擇；

6、數據清理

df.columns = ['a','b','c']：重命名列名
pd.isnull()：檢查DataFrame對象中的空值，並返回一個Boolean數組
pd.notnull()：檢查DataFrame對象中的非空值，並返回一個Boolean數組
df.dropna()：刪除所有包含空值的行
df.dropna(axis=1)：刪除所有包含空值的列
df.dropna(axis=1,thresh=n)：刪除所有小於n個非空值的行
df.fillna(x)：用x替換DataFrame對象中所有的空值（注：fillna()會填充nan數據，返回填充後的結果。如果希望在原DataFrame中修改，則把inplace設置為True。如，df.fillna(0,inplace=True)）
mydf['列名']=mydf['列名'].fillna(0) 某一列的空值補零
s.astype(float)：將Series中的數據類型更改為float類型
df[col].astype(float)：將DataFrame某列數據類型改為float類型
s.replace(1,'first')：用‘first’代替所有等於1的值（替換的是值，不是列名也不是索引名）
s.replace([1,3],['one','three'])：用'one'代替1，用'three'代替3
df[col].replace(1,1.0,inplace=True)：列col中的值1用1.0替換
df.replace([1,3],['one','three'])
df.rename(columns=lambda x: x + 1)：批量更改列名
df.rename(columns={'old_name': 'new_ name'})：選擇性更改列名
df.set_index('column_one')：將column_one這一列變為索引列
df.rename(index=lambda x: x + 1)：批量重命名索引
df[col]=df[col].str.upper()或df[col].str.lower()：基於列的大小寫轉換
df[col]=df[col].map(str.strip)：清除某列的空格
df.drop_duplicates(subset=col,keep='fisrt',inplace=Flase)：刪除重復值

注：這個drop_duplicate方法是對DataFrame格式的數據，去除特定列下面的重復行。返回DataFrame格式的數據。

subset : column label or sequence of labels, optional 用來指定特定的列，默認所有列
keep : {‘first’, ‘last’, False}, default ‘first’ 刪除重復項並保留第一次出現的項
inplace : boolean, default False 是直接在原來數據上修改還是保留一個副本

7、數據處理

df[df[col] > 0.5]：選擇col列的值大於0.5的行
df.sort_values(col1)：按照列col1排序數據，默認升序排列
df.sort_values(col2, ascending=False)：按照列col1降序排列數據
df.sort_values([col1,col2], ascending=[True,False])：先按列col1升序排列，後按col2降序排列數據
df.groupby(col)：返回一個按列col進行分組的Groupby對象
df.groupby([col1,col2])：返回一個按多列進行分組的Groupby對象
df.groupby(col1)[col2]：返回按列col1進行分組後，列col2的均值
df.pivot_table(index=col1, values=[col2,col3], aggfunc=max)：創建一個按列col1進行分組，並計算col2和col3的最大值的數據透視表
df.groupby(col1).agg(np.mean)：返回按列col1分組的所有列的均值
data.apply(np.mean)：對DataFrame中的每一列應用函數np.mean
data.apply(np.max,axis=1)：對DataFrame中的每一行應用函數np.max
df.isin

8、數據合並

df1.append(df2)：將df2中的行添加到df1的尾部
df.concat([df1, df2],axis=1)：將df2中的列添加到df1的尾部
df1.join(df2,on=col1,how='inner')：對df1的列和df2的列執行SQL形式的join

9、數據統計

df.describe()：查看數據值列的匯總統計
df.mean()：返回所有列的均值
df.corr()：返回列與列之間的相關系數
df.count()：返回每一列中的非空值(NaN)的個數
df.max()：返回每一列的最大值
df.min()：返回每一列的最小值
df.median()：返回每一列的中位數
df.std()：返回每一列的標准差
df.sum()：返回所有行的和

參考