Series(一維數(shù)據(jù))
import numpy as np
import pandas as pd
p = print
#通過(guò)numpy數(shù)組創(chuàng)建
arr = np.arange(2, 6)
arr = pd.Series(arr)
p(arr)
#通過(guò)Python數(shù)組創(chuàng)建---此種方式允許索引重復(fù)
arr = pd.Series([10,20,30],index=['01','01','03'])
p(arr)
#通過(guò)Python字典創(chuàng)建
arr = pd.Series({"001":100,"002":200,"003":300})
p(arr)
DataFrame(多特征數(shù)據(jù),既有行索引,又有列索引)
# 創(chuàng)建一個(gè)DataFrame類型數(shù)據(jù)
data_3_4 = pd.DataFrame(np.arange(12).reshape(3, 4))
# 打印數(shù)據(jù)
p(data_3_4)
p('\n')
# 打印第一行數(shù)據(jù)
p(data_3_4[:1])
p('\n')
# 打印第一列數(shù)據(jù)
p(data_3_4[:][0])
# 讀取數(shù)據(jù)
result = pd.read_csv("./data.csv")
# 數(shù)據(jù)的形狀
result.shape
# 每列數(shù)據(jù)的 類型信息
result.dtypes
# 數(shù)據(jù)的維數(shù)
result.ndim
# 數(shù)據(jù)的索引(起/始/步長(zhǎng))
result.index
# 打印每一列 屬性的名稱
result.columns
# 將數(shù)據(jù)放到數(shù)組中顯示
result.values
# 打印前5個(gè)
p("-->前5個(gè):")
p(result.head(5))
# 打印后5個(gè)
p("-->后5個(gè):")
p(result.tail(5))
# 打印描述信息(實(shí)驗(yàn)中好用)
p("-->描述信息:")
p(result.describe())
Panda讀取文件數(shù)據(jù)
pandas.read_csv(filepath_or_buffer, sep=",", names=None, usecols = None)
filepath_or_buffer : 文件路徑(本地路徑或url路徑)
sep: 分隔符
names: 列索引的名字
usecols: 指定讀取的列名
返回的類型: DataFrame
----------------------------
轉(zhuǎn)換分組聚合等功能后續(xù)使用補(bǔ)充
---------------------------------------
[轉(zhuǎn)]https://blog.csdn.net/liufang0001/article/details/77856255/
一列另、生成數(shù)據(jù)表?
1秃嗜、首先導(dǎo)入pandas庫(kù)绞铃，一般都會(huì)用到numpy庫(kù)逃默，所以我們先導(dǎo)入備用：
importnumpyasnpimportpandasaspd
1
2
2、導(dǎo)入CSV或者xlsx文件：
df = pd.DataFrame(pd.read_csv('name.csv',header=1))
df = pd.DataFrame(pd.read_excel('name.xlsx'))
1
2
3传蹈、用pandas創(chuàng)建數(shù)據(jù)表：
df = pd.DataFrame({"id":[1001,1002,1003,1004,1005,1006],
"date":pd.date_range('20130102', periods=6),
? "city":['Beijing ', 'SH', ' guangzhou ', 'Shenzhen', 'shanghai', 'BEIJING '],
"age":[23,44,54,32,34,32],
"category":['100-A','100-B','110-A','110-C','210-A','130-F'],
? "price":[1200,np.nan,2133,5433,np.nan,4432]},
? columns =['id','date','city','category','age','price'])
1
2
3
4
5
6
7
2谈跛、數(shù)據(jù)表信息查看?
1箫措、維度查看：
df.shape
1
2、數(shù)據(jù)表基本信息（維度哎迄、列名稱回右、數(shù)據(jù)格式、所占空間等）：
df.info()
1
3漱挚、每一列數(shù)據(jù)的格式：
df.dtypes
1
4翔烁、某一列格式：
df['B'].dtype
1
5、空值：
df.isnull()
1
6旨涝、查看某一列空值：
df.isnull()
1
7蹬屹、查看某一列的唯一值：
df['B'].unique()
1
8、查看數(shù)據(jù)表的值：?
df.values?
9白华、查看列名稱：
df.columns
1
10慨默、查看前10行數(shù)據(jù)、后10行數(shù)據(jù)：
df.head() #默認(rèn)前10行數(shù)據(jù)
df.tail()? ? #默認(rèn)后10 行數(shù)據(jù)
1
2
三弧腥、數(shù)據(jù)表清洗?
1厦取、用數(shù)字0填充空值：
df.fillna(value=0)
1
2、使用列prince的均值對(duì)NA進(jìn)行填充：
df['prince'].fillna(df['prince'].mean())
1
3管搪、清楚city字段的字符空格：
df['city']=df['city'].map(str.strip)
1
4虾攻、大小寫轉(zhuǎn)換：
df['city']=df['city'].str.lower()
1
5、更改數(shù)據(jù)格式：
df['price'].astype('int')? ? ?
1
6更鲁、更改列名稱：
df.rename(columns={'category': 'category-size'})
1
7霎箍、刪除后出現(xiàn)的重復(fù)值：
df['city'].drop_duplicates()
1
8、刪除先出現(xiàn)的重復(fù)值：
df['city'].drop_duplicates(keep='last')
1
9澡为、數(shù)據(jù)替換：
df['city'].replace('sh', 'shanghai')
1
四朋沮、數(shù)據(jù)預(yù)處理
df1=pd.DataFrame({"id":[1001,1002,1003,1004,1005,1006,1007,1008],
"gender":['male','female','male','female','male','female','male','female'],
"pay":['Y','N','Y','Y','N','Y','N','Y',],
"m-point":[10,12,20,40,40,40,30,20]})
1
2
3
4
1、數(shù)據(jù)表合并
df_inner=pd.merge(df,df1,how='inner')? # 匹配合并缀壤，交集
df_left=pd.merge(df,df1,how='left')? ? ? ? #
df_right=pd.merge(df,df1,how='right')
df_outer=pd.merge(df,df1,how='outer')? #并集
1
2
3
4
2樊拓、設(shè)置索引列
df_inner.set_index('id')
1
3、按照特定列的值排序：
df_inner.sort_values(by=['age'])
1
4塘慕、按照索引列排序：
df_inner.sort_index()
1
5筋夏、如果prince列的值>3000，group列顯示high图呢，否則顯示low：
df_inner['group'] = np.where(df_inner['price'] > 3000,'high','low')
1
6条篷、對(duì)復(fù)合多個(gè)條件的數(shù)據(jù)進(jìn)行分組標(biāo)記
df_inner.loc[(df_inner['city'] == 'beijing') & (df_inner['price'] >= 4000), 'sign']=1
1
7骗随、對(duì)category字段的值依次進(jìn)行分列，并創(chuàng)建數(shù)據(jù)表赴叹，索引值為df_inner的索引列鸿染，列名稱為category和size
pd.DataFrame((x.split('-') for x in df_inner['category']),index=df_inner.index,columns=['category','size']))
1
8、將完成分裂后的數(shù)據(jù)表和原df_inner數(shù)據(jù)表進(jìn)行匹配
df_inner=pd.merge(df_inner,split,right_index=True, left_index=True)
1
五乞巧、數(shù)據(jù)提取?
主要用到的三個(gè)函數(shù)：loc,iloc和ix涨椒，loc函數(shù)按標(biāo)簽值進(jìn)行提取，iloc按位置進(jìn)行提取绽媒，ix可以同時(shí)按標(biāo)簽和位置進(jìn)行提取蚕冬。?
1、按索引提取單行的數(shù)值
df_inner.loc[3]
1
2是辕、按索引提取區(qū)域行數(shù)值
df_inner.iloc[0:5]
1
3囤热、重設(shè)索引
df_inner.reset_index()
1
4、設(shè)置日期為索引
df_inner=df_inner.set_index('date')
1
5获三、提取4日之前的所有數(shù)據(jù)
df_inner[:'2013-01-04']
1
6旁蔼、使用iloc按位置區(qū)域提取數(shù)據(jù)
df_inner.iloc[:3,:2] #冒號(hào)前后的數(shù)字不再是索引的標(biāo)簽名稱，而是數(shù)據(jù)所在的位置疙教，從0開始棺聊，前三行，前兩列松逊。
1
7躺屁、適應(yīng)iloc按位置單獨(dú)提起數(shù)據(jù)
df_inner.iloc[[0,2,5],[4,5]] #提取第0、2经宏、5行犀暑，4、5列
1
8烁兰、使用ix按索引標(biāo)簽和位置混合提取數(shù)據(jù)
df_inner.ix[:'2013-01-03',:4] #2013-01-03號(hào)之前耐亏，前四列數(shù)據(jù)
1
9、判斷city列的值是否為北京
df_inner['city'].isin(['beijing'])
1
10沪斟、判斷city列里是否包含beijing和shanghai广辰，然后將符合條件的數(shù)據(jù)提取出來(lái)
df_inner.loc[df_inner['city'].isin(['beijing','shanghai'])]
1
11、提取前三個(gè)字符主之，并生成數(shù)據(jù)表
pd.DataFrame(category.str[:3])
1
六择吊、數(shù)據(jù)篩選?
使用與、或槽奕、非三個(gè)條件配合大于几睛、小于、等于對(duì)數(shù)據(jù)進(jìn)行篩選粤攒，并進(jìn)行計(jì)數(shù)和求和。?
1、使用“與”進(jìn)行篩選
df_inner.loc[(df_inner['age'] > 25) & (df_inner['city'] == 'beijing'), ['id','city','age','category','gender']]
1
2坤塞、使用“或”進(jìn)行篩選
df_inner.loc[(df_inner['age'] > 25) | (df_inner['city'] == 'beijing'), ['id','city','age','category','gender']].sort(['age'])
1
3、使用“非”條件進(jìn)行篩選
df_inner.loc[(df_inner['city'] != 'beijing'), ['id','city','age','category','gender']].sort(['id'])
1
4纷妆、對(duì)篩選后的數(shù)據(jù)按city列進(jìn)行計(jì)數(shù)
df_inner.loc[(df_inner['city'] != 'beijing'), ['id','city','age','category','gender']].sort(['id']).city.count()
1
5、使用query函數(shù)進(jìn)行篩選
df_inner.query('city == ["beijing", "shanghai"]')
1
6晴弃、對(duì)篩選后的結(jié)果按prince進(jìn)行求和
df_inner.query('city == ["beijing", "shanghai"]').price.sum()
1
七掩幢、數(shù)據(jù)匯總?
主要函數(shù)是groupby和pivote_table?
1、對(duì)所有的列進(jìn)行計(jì)數(shù)匯總
df_inner.groupby('city').count()
1
2肝匆、按城市對(duì)id字段進(jìn)行計(jì)數(shù)
df_inner.groupby('city')['id'].count()
1
3粒蜈、對(duì)兩個(gè)字段進(jìn)行匯總計(jì)數(shù)
df_inner.groupby(['city','size'])['id'].count()
1
4顺献、對(duì)city字段進(jìn)行匯總旗国，并分別計(jì)算prince的合計(jì)和均值
df_inner.groupby('city')['price'].agg([len,np.sum, np.mean])
1
八、數(shù)據(jù)統(tǒng)計(jì)?
數(shù)據(jù)采樣注整，計(jì)算標(biāo)準(zhǔn)差能曾，協(xié)方差和相關(guān)系數(shù)?
1、簡(jiǎn)單的數(shù)據(jù)采樣
df_inner.sample(n=3)
1
2肿轨、手動(dòng)設(shè)置采樣權(quán)重
weights = [0, 0, 0, 0, 0.5, 0.5]
df_inner.sample(n=2, weights=weights)
1
2
3寿冕、采樣后不放回
df_inner.sample(n=6, replace=False)
1
4、采樣后放回
df_inner.sample(n=6, replace=True)
1
5椒袍、 數(shù)據(jù)表描述性統(tǒng)計(jì)
df_inner.describe().round(2).T #round函數(shù)設(shè)置顯示小數(shù)位驼唱，T表示轉(zhuǎn)置
1
6、計(jì)算列的標(biāo)準(zhǔn)差
df_inner['price'].std()
1
7驹暑、計(jì)算兩個(gè)字段間的協(xié)方差
df_inner['price'].cov(df_inner['m-point'])
1
8玫恳、數(shù)據(jù)表中所有字段間的協(xié)方差
df_inner.cov()
1
9、兩個(gè)字段的相關(guān)性分析
df_inner['price'].corr(df_inner['m-point']) #相關(guān)系數(shù)在-1到1之間优俘，接近1為正相關(guān)京办，接近-1為負(fù)相關(guān)，0為不相關(guān)
1
10帆焕、數(shù)據(jù)表的相關(guān)性分析
df_inner.corr()
1
九惭婿、數(shù)據(jù)輸出?
分析后的數(shù)據(jù)可以輸出為xlsx格式和csv格式?
1、寫入Excel
df_inner.to_excel('excel_to_python.xlsx', sheet_name='bluewhale_cc')
1
2叶雹、寫入到CSV
-------------
順帶轉(zhuǎn)一個(gè)matplotlib：https://www.cnblogs.com/nxld/p/7435930.html
