Pandas(数据分析处理库)
导入库 import pandas as pd

(pandas数据结构主要有两种:dataframe,series。series是一维数组,dataframe是二维数组。DataFrame是Pandas中的一个表格型的数据结构,包含有一组有序的列,每列可以是不同的值类型(数值、字符串、布尔型等),DataFrame即有行索引也有列索引,可以被看做是由Series组成的字典。它是一种类似于一维数组的对象,是由一组数据(各种NumPy数据类型)以及一组与之相关的数据标签(即索引)组成。仅由一组数据也可产生简单的Series对象)

1>pd.Series([ ]) 返回数组中的元素和其索引
pd.Series([ ],index=list( )) index将索引替换

2>temp_dict={ }
pd.Series(temp_dict) 返回的是字典中的键和键值(索引和值)

3>df.describe()指定索引

4>pd.read_csv(“文件路径”) 读取文件
pd.read_sql(sql_sentence.connection) connection表示数据库链接

5>df.ndim 数据维度

6>df.index 行索引
df.columns 列索引

7>df.head( ) 显示头部几行,默认5行

8>df.tail( ) 显示末尾几行,默认5行

9>df.info( ) 相关信息概览:行数,列数,列索引,内存

10>df.describe( ) 快速综合统计结果:计数,均值,标准差,最大值,斯夫位数,最小值

11>df.sort_values(by=" ") 对指定的列进行排序

12>df.loc[]通过标签来进行索引
df.iloc[]通过位置来进行索引

13>数值运算:df.corr()求取相关系数;df[‘Age’].value_counts()求取Age这一列中相同数字出现的个数

14>数据透视表:example.pivot(index=’’,columns=’’,values=’’),df.pivot_table(index=’’,columns=’’,values=’’,aggfunc=’’)

15>时间操作:(import datetime)首先得先创建一个时间戳,然后进行相关操作

pd.to_datetime(s),ts.month,ts.dt.month,ts.dt.day,ts.dt.weekend

16>df.assign(ration=)对表格进行添加,等于号后面是需要填入的数据的特征

17>df.replace(np.nan,9,inplace=True) 替换值,数据源的替换

18>pd.cut(x,y)将x以y为区间进行切分

19>df.fillna(4)将缺失值填充为数字4
df.isnull()寻找缺失值

20>字符串操作:

21>df1.sort_index(axis=1)按照列索引的方式进行大小排序
22>df.rename(columns={},index={})对行列标签重命名
df.columns()修改数据的列标签
df.index()修改数据的行标签

技术
友情链接
码工具
Toolsou
API参考文档
云服务器优惠
阿里云优惠券
腾讯云优惠券
华为云优惠券
站点信息
问题反馈
邮箱:ixiaoyang8@qq.com
QQ群:766591547
关注微信