1、首先導入pandas庫，一般都會用到numpy庫，所以我們先導入備用：
import numpy as npimport pandas as pd
2、導入CSV或者xlsx文件：
df = pd.DataFrame(pd.read_csv('name.csv',header=1))df = pd.DataFrame(pd.read_excel('name.xlsx'))
3、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'])
二、數(shù)據(jù)表信息查看
1、維度查看：
df.shape
2、數(shù)據(jù)表基本信息（維度、列名稱、數(shù)據(jù)格式、所占空間等）：
df.info()
3、每一列數(shù)據(jù)的格式：
df.dtypes
4、某一列格式：
df['B'].dtype
5、空值：
df.isnull()
6、查看某一列空值：
df.isnull()
7、查看某一列的唯一值：
df['B'].unique()
8、查看數(shù)據(jù)表的值：
df.values
9、查看列名稱：
df.columns
10、查看前10行數(shù)據(jù)、后10行數(shù)據(jù)：
df.head() #默認前10行數(shù)據(jù)df.tail() #默認后10 行數(shù)據(jù)
相關推薦：《Python視頻教程》
三、數(shù)據(jù)表清洗
1、用數(shù)字0填充空值：
df.fillna(value=0)
2、使用列prince的均值對NA進行填充：
df['prince'].fillna(df['prince'].mean())
3、清楚city字段的字符空格：
df['city']=df['city'].map(str.strip)
4、大小寫轉(zhuǎn)換：
df['city']=df['city'].str.lower()
5、更改數(shù)據(jù)格式：
df['price'].astype('int')
6、更改列名稱：
df.rename(columns={'category': 'category-size'})
7、刪除后出現(xiàn)的重復值：
df['city'].drop_duplicates()
8、刪除先出現(xiàn)的重復值：
df['city'].drop_duplicates(keep='last')
9、數(shù)據(jù)替換：
df['city'].replace('sh', 'shanghai')
四、數(shù)據(jù)預處理
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、數(shù)據(jù)表合并
df_inner=pd.merge(df,df1,how='inner') # 匹配合并，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
2、設置索引列
df_inner.set_index('id')
3、按照特定列的值排序：
df_inner.sort_values(by=['age'])
4、按照索引列排序：
df_inner.sort_index()
5、如果prince列的值>3000，group列顯示high，否則顯示low：
df_inner['group'] = np.where(df_inner['price'] > 3000,'high','low')
6、對復合多個條件的數(shù)據(jù)進行分組標記
df_inner.loc[(df_inner['city'] == 'beijing') & (df_inner['price'] >= 4000), 'sign']=1
7、對category字段的值依次進行分列，并創(chuàng)建數(shù)據(jù)表，索引值為df_inner的索引列，列名稱為category和size
pd.DataFrame((x.split('-') for x in df_inner['category']),index=df_inner.index,columns=['category','size']))
8、將完成分裂后的數(shù)據(jù)表和原df_inner數(shù)據(jù)表進行匹配
df_inner=pd.merge(df_inner,split,right_index=True, left_index=True)
五、數(shù)據(jù)提取
主要用到的三個函數(shù)：loc,iloc和ix，loc函數(shù)按標簽值進行提取，iloc按位置進行提取，ix可以同時按標簽和位置進行提取。
1、按索引提取單行的數(shù)值
df_inner.loc[3]
2、按索引提取區(qū)域行數(shù)值
df_inner.iloc[0:5]
3、重設索引
df_inner.reset_index()
4、設置日期為索引
df_inner=df_inner.set_index('date')
5、提取4日之前的所有數(shù)據(jù)
df_inner[:'2013-01-04']
6、使用iloc按位置區(qū)域提取數(shù)據(jù)
df_inner.iloc[:3,:2] #冒號前后的數(shù)字不再是索引的標簽名稱，而是數(shù)據(jù)所在的位置，從0開始，前三行，前兩列。
7、適應iloc按位置單獨提起數(shù)據(jù)
df_inner.iloc[[0,2,5],[4,5]] #提取第0、2、5行，4、5列
8、使用ix按索引標簽和位置混合提取數(shù)據(jù)
df_inner.ix[:'2013-01-03',:4] #2013-01-03號之前，前四列數(shù)據(jù)
9、判斷city列的值是否為北京
df_inner['city'].isin(['beijing'])
10、判斷city列里是否包含beijing和shanghai，然后將符合條件的數(shù)據(jù)提取出來
df_inner.loc[df_inner['city'].isin(['beijing','shanghai'])]
11、提取前三個字符，并生成數(shù)據(jù)表
pd.DataFrame(category.str[:3])
六、數(shù)據(jù)篩選
使用與、或、非三個條件配合大于、小于、等于對數(shù)據(jù)進行篩選，并進行計數(shù)和求和。
1、使用“與”進行篩選
df_inner.loc[(df_inner['age'] > 25) & (df_inner['city'] == 'beijing'), ['id','city','age','category','gender']]
2、使用“或”進行篩選
df_inner.loc[(df_inner['age'] > 25) | (df_inner['city'] == 'beijing'), ['id','city','age','category','gender']].sort(['age'])
3、使用“非”條件進行篩選
df_inner.loc[(df_inner['city'] != 'beijing'), ['id','city','age','category','gender']].sort(['id'])
4、對篩選后的數(shù)據(jù)按city列進行計數(shù)
df_inner.loc[(df_inner['city'] != 'beijing'), ['id','city','age','category','gender']].sort(['id']).city.count()
5、使用query函數(shù)進行篩選
df_inner.query('city == ["beijing", "shanghai"]')
6、對篩選后的結(jié)果按prince進行求和
df_inner.query('city == ["beijing", "shanghai"]').price.sum()
七、數(shù)據(jù)匯總
主要函數(shù)是groupby和pivote_table
1、對所有的列進行計數(shù)匯總
df_inner.groupby('city').count()
2、按城市對id字段進行計數(shù)
df_inner.groupby('city')['id'].count()
3、對兩個字段進行匯總計數(shù)
df_inner.groupby(['city','size'])['id'].count()
4、對city字段進行匯總，并分別計算prince的合計和均值
df_inner.groupby('city')['price'].agg([len,np.sum, np.mean])
八、數(shù)據(jù)統(tǒng)計
數(shù)據(jù)采樣，計算標準差，協(xié)方差和相關系數(shù)
1、簡單的數(shù)據(jù)采樣
df_inner.sample(n=3)
2、手動設置采樣權(quán)重
weights = [0, 0, 0, 0, 0.5, 0.5]df_inner.sample(n=2, weights=weights)
3、采樣后不放回
df_inner.sample(n=6, replace=False)
4、采樣后放回
df_inner.sample(n=6, replace=True)
5、 數(shù)據(jù)表描述性統(tǒng)計
df_inner.describe().round(2).T #round函數(shù)設置顯示小數(shù)位，T表示轉(zhuǎn)置
6、計算列的標準差
df_inner['price'].std()
7、計算兩個字段間的協(xié)方差
df_inner['price'].cov(df_inner['m-point'])
8、數(shù)據(jù)表中所有字段間的協(xié)方差
df_inner.cov()
9、兩個字段的相關性分析
df_inner['price'].corr(df_inner['m-point']) #相關系數(shù)在-1到1之間，接近1為正相關，接近-1為負相關，0為不相關
10、數(shù)據(jù)表的相關性分析
df_inner.corr()
九、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')
2、寫入到CSV
df_inner.to_csv('excel_to_python.csv')
以上就是最全的Python pandas用法總結(jié)的詳細內(nèi)容，感謝大家的閱讀和對腳本之家的支持。
更多文章、技術交流、商務合作、聯(lián)系博主
微信掃碼或搜索：z360901061
微信掃一掃加我為好友
QQ號聯(lián)系： 360901061
您的支持是博主寫作最大的動力，如果您喜歡我的文章，感覺我的文章對您有幫助，請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點擊下面給點支持吧，站長非常感激您！手機微信長按不能支付解決辦法：請將微信支付二維碼保存到相冊，切換到微信，然后點擊微信右上角掃一掃功能，選擇支付二維碼完成支付。
【本文對您有幫助就好】元
