Pandas可用作数据科学最重要的Python软件包。它有助于提供许多以更简单的方式处理数据的函数。它的快速,灵活和富有表现力的数据结构旨在进行真实的数据分析。
无涯教程在备忘单中使用以下速记:
-
df - 引用Pandas Dataframe对象。
-
s - 引用Pandas Series对象。您可以使用以下导入来开始使用:
导入数据
-
pd.read_csv(filename) - 它从CSV文件读取数据。
-
pd.read_table(filename) - 用于从定界文本文件中读取数据。
-
pd.read_excel(filename) - 它从Excel文件读取数据。
-
pd.read_sql(query,connection _object) - 它从SQL表/数据库读取数据。
-
pd.read_json(json _string) - 它从JSON格式的字符串,URL或文件中读取数据。
-
pd.read_html(url) - 它解析html URL,字符串或文件,并将表提取到数据帧列表中。
-
pd.read_clipboard() - 它获取剪贴板的内容并将其传递给read_table()函数。
-
pd.DataFrame(dict) - 从dict中,输入列名称的键,将数据值作为列表。
导出数据
-
df.to_csv(filename) - 它写入CSV文件。
-
df.to_excel(filename) - 它将写入Excel文件。
-
df.to_sql(table_name,connection_object) - 它将写入SQL表。
-
df.to_json(filename) - 它以JSON格式写入文件。
创建测试对象
这对于测试代码段很有用。
-
pd.DataFrame(np.random.rand(7,18)) - 是指18列和7行的随机浮点数。
-
pd.Series(my_list) - 它从可迭代的my_list创建一个Series。
-
df.index = pd.date_range('1940/1/20',period = df.shape [0]) - 它添加日期索引。
检查数据
-
df.head(n) - 它返回DataFrame的前n行。
-
df.tail(n) - 它返回DataFrame的最后n行。
-
df.shape - 它返回行数和列数。
-
df.info() - 它返回索引,数据类型和内存信息。
-
s.value_counts(dropna = False) - 它查看唯一的值和计数。
-
df.apply(pd.Series.value_counts) - 它是指所有列的唯一值和计数。
选择数据
-
df [col1] - 它返回标签为col的列为Series。
-
df [[col1,col2]] - 它将列作为新的DataFrame返回。
-
s.iloc [0] - 按位置进行选择。
-
s.loc ['index_one'] - 通过索引进行选择。
-
df.iloc [0,:] - 它返回第一行。
-
df.iloc [0,0] - 它返回第一列的第一个元素。
清理数据
-
df.columns = ['a','b','c'] - 它重命名了列。
-
pd.isnull() - 它检查空值并返回布尔数组。
-
pd.notnull() - 与pd.isnull()相反。
-
df.dropna() - 它将删除所有包含空值的行。
-
df.dropna(axis = 1) - 它将删除所有包含空值的列。
-
df.dropna(axis = 1,thresh = n) - 它将删除所有少于n个非空值的行。
-
df.fillna(x) - 它将所有空值替换为x。
-
s.fillna(s.mean()) - 它将所有空值替换为均值(均值可以用统计模块中的几乎所有函数替换)。
-
s.astype(float) - 它将系列的数据类型转换为float。
-
s.replace(1,'one') - 它将所有等于1的值替换为'one'。
-
s.replace([1,3],['one','3']) - 它将所有1替换为'1',将3替换为'3'。
-
df.rename(columns = lambda x:x + 1) - 重命名列的质量。
-
df.rename(columns = {'old_name':'new_name'}) - 它包含选择性重命名。
-
df.set_index('column_one') - 用于更改索引。
-
df.rename(index = lambda x:x + 1) - 重命名索引的质量。
筛选,排序和分组
-
df[df[col] > 0.5] - 返回列col大于0.5的行
-
df[(df[col] > 0.5) & (df[col] < 0.7)] - 返回其中0.7> col> 0.5的行
-
df.sort_values(col1) - 它按col1升序对值进行排序。
-
df.sort_values(col2,ascending=False) - 它按col2降序对值进行排序。
-
df.sort_values([col1,col2],ascending=[True,False]) - 它按col1升序和col2降序对值进行排序。
-
df.groupby(col1) - 返回groupby对象以获取一列中的值。
-
df.groupby([col1,col2]) - 返回来自多个列的值的groupby对象。
-
df.groupby(col1)[col2]) - 返回col2中值的平均值,并按col1中的值分组。
-
df.pivot_table(index=col1,values=[col2,col3],aggfunc=mean) - 它创建由col1分组的数据unpivot表,并计算col2和col3的平均值。
-
df.groupby(col1).agg(np.mean) - 它为每个唯一的col1组计算所有列的平均值。
-
df.apply(np.mean) - 它在每列上应用np.mean()函数
-
nf.apply(np.max,axis=1) - 它在每行上应用np.max()函数
追加和合并
-
df1.append(df2) - 它将df1中的行添加到df2的末尾(列应相同)。
-
pd.concat([df1,df2],axis = 1) - 它将df1中的列添加到df2的末尾(行应相同)。
-
df1.join(df2,on = col1,how ='inner') - SQL风格将df1中的列与df2中的列连接在一起,其中col的行具有相同的值,"how"可以属于"left","right,"outer","inner"。
统计数据
可以将统计函数应用于"Series",如下所示:
链接:https://www.learnfk.comhttps://www.learnfk.com/pandas/pandas-cheat-sheet.html
来源:LearnFk无涯教程网
-
df.describe() - 它返回数字列的摘要统计信息。
-
df.mean() - 它返回所有列的均值。
-
df.corr() - 它返回数据框中各列之间的相关性。
-
df.count() - 它返回每个数据框列中所有非空值的计数。
-
df.max() - 它返回每个列中的最大值。
-
df.min() - 它返回每个列中的最小值。
-
df.median() - 它返回每列的中位数。
-
df.std() - 它返回每列的标准差。