基本數(shù)據(jù)集操作
(1)讀取CSV格式的數(shù)據(jù)集
pd.DataFrame.from_csv("csv_file")
或者
pd.read_csv("csv_file")
(2)讀取Excel數(shù)據(jù)集
pd.read_excel("excel_file")
(3)將 DataFrame 直接寫入 CSV 文件
如下采用逗號作為分隔符颂砸，且不帶索引：
df.to_csv("data.csv", sep=",", index=False)
(4)基本的數(shù)據(jù)集特征信息
df.info()
(5)基本的數(shù)據(jù)集統(tǒng)計信息
print(df.describe())
(6)Print data frame in a table
將 DataFrame 輸出到一張表：
print(tabulate(print_table, headers=headers))
當「print_table」是一個列表妖枚，其中列表元素還是新的列表，「headers」為表頭字符串組成的列表锈玉。
(7)列出所有列的名字
df.columns
基本數(shù)據(jù)處理
(8)刪除缺失數(shù)據(jù)
df.dropna(axis=0, how='any')
返回一個 DataFrame，其中刪除了包含任何 NaN 值的給定軸月幌，選擇 how=「all」會刪除所有元素都是 NaN 的給定軸这溅。
(9)替換缺失數(shù)據(jù)
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 都需要我們賦予不同的值载迄。
(10)檢查空值 NaN
pd.isnull(object)
檢查缺失值讯柔，即數(shù)值數(shù)組中的 NaN 和目標數(shù)組中的 None/NaN。
(11)刪除特征
df.drop('feature_variable_name', axis=1)
axis 選擇 0 表示行护昧，選擇表示列魂迄。
(12)將目標類型轉換為浮點型
pd.to_numeric(df["feature_name"], errors='coerce')
將目標類型轉化為數(shù)值從而進一步執(zhí)行計算，在這個案例中為字符串惋耙。
(13)將 DataFrame 轉換為 NumPy 數(shù)組
df.as_matrix()
(14)取 DataFrame 的前面「n」行
df.head(n)
(15)通過特征名取數(shù)據(jù)
df.loc[feature_name]
DataFrame 操作
(16)對 DataFrame 使用函數(shù)
該函數(shù)將令 DataFrame 中「height」行的所有值乘上 2：
df["height"].apply(*lambda* height: 2 * height)
或：
def multiply(x):
return x * 2
df["height"].apply(multiply)
(17)重命名行
下面代碼會重命名 DataFrame 的第三行為「size」：
df.rename(columns = {df.columns[2]:'size'}, inplace=True)
(18)取某一行的唯一實體
下面代碼將取「name」行的唯一實體：
df["name"].unique()
(19)訪問子 DataFrame
以下代碼將從 DataFrame 中抽取選定了的行「name」和「size」：
new_df = df[["name", "size"]]
(20)總結數(shù)據(jù)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)給數(shù)據(jù)排序
df.sort_values(ascending = False)
(22)布爾型索引
以下代碼將過濾名為「size」的行捣炬，并僅顯示值等于 5 的行：
df[df["size"] == 5]
(23)選定特定的值
以下代碼將選定「size」列、第一行的值：
df.loc([0], ['size'])
