在这个速查手册中，我们使用如下缩写：
df：任意的Pandas DataFrame对象 s：任意的Pandas Series对象 同时我们需要做如下的引入： import pandas as pd import numpy as np #导入数据 pd.read_csv(filename)：从CSV文件导入数据 pd.read_table(filename)：从限定分隔符的文本文件导入数据 pd.read_excel(filename)：从Excel文件导入数据 pd.read_sql(query, connection_object)：从SQL表/库导入数据 pd.read_json(json_string)：从JSON格式的字符串导入数据 pd.read_html(url)：解析URL、字符串或者HTML文件，抽取其中的tables表格 pd.read_clipboard()：从你的粘贴板获取内容，并传给read_table() pd.DataFrame(dict)：从字典对象导入数据，Key是列名，Value是数据 导出数据 df.to_csv(filename)：导出数据到CSV文件 df.to_excel(filename)：导出数据到Excel文件 df.to_sql(table_name, connection_object)：导出数据到SQL表 df.to_json(filename)：以Json格式导出数据到文本文件 创建测试对象 pd.DataFrame(np.random.rand(20,5))：创建20行5列的随机数组成的DataFrame对象 pd.Series(my_list)：从可迭代对象my_list创建一个Series对象 df.index = pd.date_range('1900/1/30', periods=df.shape[0])：增加一个日期索引 查看、检查数据 df.head(n)：查看DataFrame对象的前n行 df.tail(n)：查看DataFrame对象的最后n行 df.shape()：查看行数和列数 # Windows加括号报错 df.info()：查看索引、数据类型和内存信息 df.columns 查看列 df.index 查看索引 df.describe()查看数值型列的汇总统计会对数字进行统计显示总数最大最小差值 s.value_counts(dropna=False)：查看Series对象的唯一值和计数 df.apply(pd.Series.value_counts)：查看DataFrame对象中每一列的唯一值和计数 数据选取 df[col]：根据列名，并以Series的形式返回列 df[[col1, col2]]：以DataFrame形式返回多列 s.iloc[0]：按位置选取数据 支持索引、切片 s.loc['index_one']：按索引选取数据 没看懂这是什么鬼 df.iloc[0,:]：返回第一行 冒号表示从头到尾，可以指定切片长度 df.iloc[0,0]：返回第一列的第一个元素 df.iloc[:,0]: 返回第一列数据 数据清理 df.columns = ['a','b','c']：重命名列名 pd.isnull().any()：检查DataFrame对象中的空值，并返回一个Boolean数组 pd.notnull().any()：检查DataFrame对象中的非空值，并返回一个Boolean数组 pd[pd.notnull() == True] 过滤所有的空值 pd[pd.列名.notnull() == True] 过滤本列中是空值得数据 df.dropna()：删除所有包含空值的行 df.dropna(axis=1)：删除所有包含空值的列 df.dropna(axis=1,thresh=n)：删除所有小于n个非空值的行 df.fillna(x)：用x替换DataFrame对象中所有的空值 s.astype(float)：将Series中的数据类型更改为float类型 s.replace(1,'one')：用‘one’代替所有等于1的值 测试中将浮点数替换int 整列变成int类型 s.replace([1,3],['one','three'])：用'one'代替1，用'three'代替3 df.rename(columns=lambda x: x + 1)：批量更改列名 df.rename(columns={'old_name': 'new_ name'})：选择性更改列名 df.set_index('column_one')：更改索引列 df.rename(index=lambda x: x + 1)：批量重命名索引 数据处理：Filter、Sort和GroupBy df[df[col] > 0.5]：选择col列的值大于0.5的行 df.sort_values(col1)：按照列col1排序数据，默认升序排列 df.sort_values(col2, ascending=False)：按照列col1降序排列数据 df.sort_values([col1,col2], ascending=[True,False])：先按列col1升序排列，后按col2降序排列数据 df.groupby(col)：返回一个按列col进行分组的Groupby对象 . 真的返回个队形地址 df.groupby([col1,col2])：返回一个按多列进行分组的Groupby对象 . df.groupby(col1)[col2]：返回按列col1进行分组后，列col2的均值 . 还是返回地址 df.pivot_table(index=col1, values=[col2,col3], aggfunc=max)：创建一个按列col1进行分组，并计算col2和col3的最大值的数据透视表 customer_data.pivot_table(index='refer', values='age', aggfunc=[max, min]) . 显示每个渠道的最大最小值 df.groupby(col1).agg(np.mean)：返回按列col1分组的所有列的均值 经常用于按渠道显示每个渠道的平均值，每个渠道的年龄平均值（最大最小不行整条数据） data.apply(np.mean)：对DataFrame中的每一列应用函数np.mean data.apply(np.max,axis=1)：对DataFrame中的每一行应用函数np.max 数据处理：添加新列 根据当前处理结果将结果添加到新的列宗/增加一列 frame['test'] = frame.apply(lamubda x: function(x.city, x.year), axis = 1) function是编写的函数 数据合并 df1.append(df2)：将df2中的行添加到df1的尾部 df.concat([df1, df2],axis=1)：将df2中的列添加到df1的尾部 df1.join(df2,on=col1,how='inner')：对df1的列和df2的列执行SQL形式的join 数据统计 df.describe()：查看数据值列的汇总统计 df.mean()：返回所有列的均值 df.corr()：返回列与列之间的相关系数 df.count()：返回每一列中的非空值的个数 df.max()：返回每一列的最大值 df.min()：返回每一列的最小值 df.median()：返回每一列的中位数 df.std()：返回每一列的标准差 离散度 数值越大表示数据越散 迭代 iteritems() - 迭代(key，value)对 iterrows() - 将行迭代为(索引，系列)对 itertuples() - 以namedtuples的形式迭代行 concat增加行 s = pd.Series([16, 17, 18, 19], name='E', index=df.index) df = pd.concat([df, s], axis=1)转载于:https://www.cnblogs.com/valorchang/p/11313275.html
