pandas常用用法

详细内容请进入 pandas官网 查阅文献。

1. pd.read_csv()

常用parameters:

• header : 一般默认为零。表示读进来的表格以第一行作为列名。其他值也是类似的。
• index_col : 表示以什么作为行号。pandas在引入列表的时候默认会以0,1,2,3,4....作为行号。可以指定列表中的某一列作为行号。
• usecols : 指定读进来的列是什么，以列表的形式给出，可以是列号，也可以是[0,1,2]这样的表示读进来0,1,2列。
• names : 以列表形式给出，表示列号只显示出给定名称的列号，其他的隐藏。即你可以指定任一列的列号，可以是你自创的，也可以是列表里本来就有的。
• squeeze : 表示如果传进来的表格只有一列，那么把它压缩成Serias的形式。默认值是False。
• dtype : 指定列的数据形式。eg: dtype={'PassengerId':np.float64}

感觉比较常用的参数一般就这几个，其他的如果需要可以在官网上查找解释。

2. 常用表格信息描述函数

df.dtypes

可以把表格每一列数据的格式描述出来，eg：

A           float64
B    datetime64[ns]
C           float32
D             int32
E          category
F            object
dtype: object

df.index

把表格的行号列出，包括行号的格式。

df.columns

把表格的列号列出，包括列号的格式。

df.describe()

把每一列的均值，个数，方差，最大最小值列出。非常方便的函数。

A    C    D
count  4.0  4.0  4.0
mean   1.0  1.0  3.0
std    0.0  0.0  0.0
min    1.0  1.0  3.0
25%    1.0  1.0  3.0
50%    1.0  1.0  3.0
75%    1.0  1.0  3.0
max    1.0  1.0  3.0

df.info() 　

可以给出表格的许多信息，看下面的结果：

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 891 entries, 0 to 890
Data columns (total 12 columns):
PassengerId    891 non-null int64
Survived       891 non-null int64
Pclass         891 non-null int64
Name           891 non-null object
Sex            891 non-null object
Age            714 non-null float64
SibSp          891 non-null int64
Parch          891 non-null int64
Ticket         891 non-null object
Fare           891 non-null float64
Cabin          204 non-null object
Embarked       889 non-null object
dtypes: float64(2), int64(5), object(5)
memory usage: 83.6+ KB

3. 常用的datafram处理操作。

df[[' ',' ',...]]

''中间的为列的名字，直接列出选中的列

dfdf.A>50]

不好说直接上代码：

df[df['Age']>60][['Sex','Pclass','Age','Survived']]
>>>
Sex    Pclass    Age    Survived
33    male    2    66.0    0
54    male    1    65.0    0
96    male    1    71.0    0
116    male    3    70.5    0
170    male    1    61.0    0
252    male    1    62.0    0
275    female    1    63.0    1
280    male    3    65.0    0
326    male    3    61.0    0
438    male    1    64.0    0
456    male    1    65.0    0
483    female    3    63.0    1
493    male    1    71.0    0
545    male    1    64.0    0
555    male    1    62.0    0
570    male    2    62.0    1
625    male    1    61.0    0
630    male    1    80.0    1
672    male    2    70.0    0
745    male    1    70.0    0
829    female    1    62.0    1
851    male    3    74.0    0

即是以某一列的值为条件进行筛选。

多个条件进行筛选。

for i in range(4):
    print(i,len(df[ (df['Sex']=='male') & (df['Pclass']==i)]))
>>>
0 0
1 122
2 108
3 347

&符号表示与，条件有两个，len()表示长度。

df.dropna() :

把表格中有nan或者na的行去掉。
pramaters:axis=0,how='any'
还有其他参数但是并不常用。'any'表示只要行或者列出现了nan则把该行或者该列去掉。如果为'all'表示必须全是nan才去掉。

df.fillna(value) :

表示给nan值填充值。value=0表示给nan填充0值

df.isnull() :

返回一个列表如果有值为nan返回True,否则返回False.

A      B      C      D      E
2013-01-01  False  False  False  False  False
2013-01-02  False  False  False   True  False
2013-01-03  False  False  False  False   True
2013-01-04  False  False  False  False  False
2013-01-05  False  False  False  False  False
2013-01-06  False  False  False  False  False

## 可以通过选择某一列为Nan的情况下对其他数据进行查看
df[df.Age.isnull()].head(5)['Name']
>>>
5                  Moran, Mr. James
17     Williams, Mr. Charles Eugene
19          Masselmani, Mrs. Fatima
26          Emir, Mr. Farred Chehab
28    O'Dwyer, Miss. Ellen "Nellie"
Name: Name, dtype: object

df.T :

转置，即列表的行与列互换。

df.loc[] :

表示按照标签来选择数据。

a.loc[:,['a','b']表示选取所有的行以及columns为a,b的列；

a.loc[['one','two'],['a','b']]表示选取'one'和'two'这两行以及columns为a,b的列；

a.loc['one','a']与a.loc[['one'],['a']]作用是一样的，不过前者只显示对应的值，而后者会显示对应的行和列标签。

df.iloc[] :

表示按照位置进行选择。

a.iloc[[0,2],[1,2]]

表示选取0行1列和2行2列的数据。

df.values :

把一个dataframe类型转化为numpy的array形式。很简单

df.replace() :

简单粗暴，把列表里的某一个值替换为另一个值。

df.replace('male',0).head(3)['Sex']
>>>
0         0
1    female
2    female
Name: Sex, dtype: object

该函数还有一些其他参数：regrex,method等，详细可查阅官网，这里给出一些常用用法。

#选择某一列对不同的值进行不同的替换，采用字典嵌套的形式。
encode_setting = {'Embarked':{'S':1, 'C': 2, 'Q': 3, 'Unknown':0}}
df.replace(encode_setting).head(3)[['Embarked']]
>>>
    Embarked
0    1.0
1    2.0
2    1.0

#对多个值进行替换
df.replace({'male':1,'female':0}).head(3)[['Sex']]
>>>
Sex
0    1
1    0
2    0

df.drop(axis,labels) :

表示扔掉某一行或者一列，axis指定行或者列，labels指定标签。labels可以用列表的方式来给定多个行或者列

value_counts() :

可以计算出每个取值在列表中出现的次数

df.groupby :　

可以按照你所指定的列对其不同的值进行分组，很强大的功能，这里给出代码更好理解。

df.groupby(['Survived','Pclass']).sum()
## 按照Survived和Pclassd的取值，对其他的项进行相应的求和操作，不是数值型的不计数

df.groupby(['Survived','Pclass']).size()
## size表示按照Survived和Pclass的取值，进行分别计数。除了size(),还有mean(),max(),min(),std()等
>>>
Survived  Pclass
0         1          80
          2          97
          3         372
1         1         136
          2          87
          3         119
dtype: int64

df.groupby(['Survived','Pclass']).size()[0][1]
## 这里返回的是一个类似矩阵的存在。[0]表示Survived=0,[1]表示Pclass=1,这里前后顺序和你给出列的顺序有关。
>>>
80
##如果给定的列不止一个，会有多重索引（Multiindex)，这里可以这样操作来选取对应的值。
a=df.groupby(['Survived','Sex',]).std()
a.index
>>>
ultiIndex(levels=[[0, 1], ['female', 'male']],
           labels=[[0, 0, 1, 1], [0, 1, 0, 1]],
           names=['Survived', 'Sex'])
           
## 我们可以根据levels进行选取

a.xs([0,'female'],level=['Survived','Sex'])
>>>
    PassengerId    Pclass    Age    SibSp    Parch    Fare
Survived    Sex                        
0    female    263.522063    0.450309    13.618591    1.814635    1.391442    24.821287
## 接下来就可以根据需求选择列得到数值，同时可以加上.values来将其变为np.array的形式。这里的索引有俩个即Survived和Sex,行名就是levels，所以也可以用loc选择行和列进行选取

df.isin() :

选出给定列中某些值的特定行

df[df['Sex'].isin(['male'])]