学会这29个常用函数,你就是Pandas专家
作者：somenzz
Pandas 无疑是 Python 处理表格数据最好的库之一，但是很多新手无从下手，这里总结出最常用的 29 个函数，感兴趣的小伙伴可以跟随小编一起学习一下
1、读取 csv 文件 df.read_csv
csv 通常是读取 Pandas DataFrame 的最流行的文件格式，你可以使用 pd.read_csv() 方法创建 Pandas DataFrame，类似的函数还有 read_excel，用法如下：
file = "file.csv" df = pd.read_csv(file) print(df) ####### out put ########## col1 col2 col3 0 1 2 A 1 3 4 B
2、写入 csv 文件 df.to_csv
将 DataFrame 导出到 csv，类似的函数是 df.to_excel，用法如下：
df.to_csv("file.csv", sep = "|", index = False)
查看 file.csv
!cat file.csv col1|col2|col3 1|2|A 3|4|B
3、数据帧 pd.DataFrame
用来创建 Pandas 的 DataFrame：
data = [[1, 2, "A"], [3, 4, "B"]] df = pd.DataFrame(data, columns = ["col1", "col2", "col3"]) print(df) ####### out put ########## col1 col2 col3 0 1 2 A 1 3 4 B
借助这个构造函数，我们还可以把字典转换为 DataFrame：
data = {'col1': [1, 2],
'col2': [3, 4],
'col3': ["A", "B"]}
df = pd.DataFrame(data=data)
print(df)
####### out put ##########
col1 col2 col3
col1 col2 col3
0 1 3 A
1 2 4 B
4、 获取数据帧的形状 df.shape
df.shape 属性可以获取 DataFrame 的形状，也就是几行几列这样的数据：
print(df)
print("Shape:", df.shape)
####### out put ##########
col1 col2 col3
col1 col2 col3
0 1 3 A
1 2 4 B
Shape: (2, 3)
5、查看前 n 行 df.head(n)
数据帧（DataFrame) 会有很多行，通常我们只对查看 DataFrame 的前 n 行感兴趣，这时可以使用 df.head(n) 方法打印前 n 行：
print(df.head(5)) ####### out put ########## col1 col2 col3 0 1 2 A 1 3 4 B 2 5 6 C 3 7 8 D 4 9 10 E
6、打印列的类型 df.dtypes
Pandas 为 DataFrame 中的每一列分配适当的数据类型。使用 dtypes 参数打印所有列的数据类型：
df.dtypes ####### out put ########## col1 int64 col2 int64 col3 object dtype: object
7、修改列的类型 astype
如果要更改列的数据类型，可以使用 astype() 方法，如下所示：
df["col1"] = df["col1"].astype(np.int8) print(df.dtypes) ####### out put ########## col1 int8 col2 int64 col3 object dtype: object
8-9、打印有关 DataFrame 的描述性信息
这里有两个函数，第一个 df.info():
df.info() ####### out put ########## <class 'pandas.core.frame.DataFrame'> RangeIndex: 10 entries, 0 to 9 Data columns (total 3 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 col1 10 non-null int8 1 col2 10 non-null int64 2 col3 10 non-null object dtypes: int64(1), int8(1), object(1) memory usage: 298.0+ bytes
第二个是 df.describe()。
如果要打印每个数值列的平均值、标准偏差、最大值等标准统计信息，就可以这样：
print(df.describe()) ####### out put ########## col1 col2 count 10.00 10.00 mean 10.00 11.00 std 6.06 6.06 min 1.00 2.00 25% 5.50 6.50 50% 10.00 11.00 75% 14.50 15.50 max 19.00 20.00
10、 填充 NaN 值 df.fillna
假如有这样的 DataFrame：
df = pd.DataFrame([[1, 2, "A"], [np.nan, 4, "B"]], columns = ["col1", "col2", "col3"]) print(df) ####### out put ########## col1 col2 col3 0 1.0 2 A 1 NaN 4 B
里面有 NaN，如果要填充它，可以这样：
df.fillna(0, inplace = True) print(df) ######## out put ########## col1 col2 col3 0 1.0 2 A 1 0.0 4 B
11、数据帧的关联 df.merge
如果你想用一个连接键合并两个 DataFrame，使用 pd.merge() 方法：
merge 之前：
df1 = ... df2 = ... print(df1) print(df2) ######## out put ########## col1 col2 col3 0 1 2 A 1 3 4 A 2 5 6 B col3 col4 0 A X 1 B Y
使用 df.merge 后，可以生成新的数据帧
pd.merge(df1, df2, on = "col3") ######## out put ########## col1 col2 col3 col4 0 1 2 A X 1 3 4 A X 2 5 6 B Y
12、数据帧排序 df.sort_values
排序是 DataFrame 非常典型的操作，我们可以使用 df.sort_values() 方法对 DataFrame 进行排序：
f = pd.DataFrame([[1, 2, "A"],
[5, 8, "B"],
[3, 10, "B"]],
columns = ["col1", "col2", "col3"])
print(df.sort_values("col1"))
######## out put ##########
col1 col2 col3
0 1 2 A
2 3 10 B
1 5 8 B
13、数据帧分组 df.groupby
要对 DataFrame 进行分组并执行聚合，使用 Pandas 中的 groupby() 方法，如下所示：
df = pd.DataFrame([[1, 2, "A"],
[5, 8, "B"],
[3, 10, "B"]],
columns = ["col1", "col2", "col3"])
df.groupby("col3").agg({"col1":sum, "col2":max})
######## out put ##########
col1 col2
col3
A 1 2
B 8 10
14、重命名列 df.rename
如果要重命名列标题，请使用 df.rename() 方法，如下所示：
f = pd.DataFrame([[1, 2, "A"],
[5, 8, "B"],
[3, 10, "B"]],
columns = ["col1", "col2", "col3"])
df.rename(columns = {"col1":"col_A"})
######## out put ##########
col_A col2 col3
0 1 2 A
1 5 8 B
2 3 10 B
15、删除列 df.drop
如果要删除数据帧中的某一列，可以这样：
df = pd.DataFrame([[1, 2, "A"], [5, 8, "B"], [3, 10, "B"]], columns = ["col1", "col2", "col3"]) print(df.drop(columns = ["col1"])) ######## out put ########## col2 col3 0 2 A 1 8 B 2 10 B
16、增加列
方法一：使用赋值运算符添加新列
df = pd.DataFrame([[1, 2], [3, 4]], columns = ["col1", "col2"]) df["col3"] = df["col1"] + df["col2"] print(df) ######## out put ########## col1 col2 col3 0 1 2 3 1 3 4 7
方法二：df.assign()
df = pd.DataFrame([[1, 2], [3, 4]], columns = ["col1", "col2"]) df = df.assign(col3 = df["col1"] + df["col2"]) print(df) ######## out put ########## col1 col2 col3 0 1 2 3 1 3 4 7
17、数据帧过滤-布尔型过滤
如果该行上的条件评估为 True，则选择该行：
df = pd.DataFrame([[1, 2, "A"], [5, 8, "B"], [3, 10, "B"]], columns = ["col1", "col2", "col3"]) print(df[df["col2"] > 5]) ######## out put ########## col1 col2 col3 1 5 8 B 2 3 10 B
18、数据帧过滤-之获取某一列
df["col1"] ## or df.col1 ######## out put ########## 0 1 1 5 2 3 Name: col1, dtype: int64
19、数据帧过滤-按标签选择 df.loc
在基于标签的选择中，要求的每个标签都必须在 DataFrame 的索引中。整数也是有效的标签，但它们指的是标签而不是索引位置。
假如有如下 DataFrame：
df = pd.DataFrame([[6, 5, 10], [5, 8, 6], [3, 10, 4]], columns = ["Maths", "Science", "English"], index = ["John", "Mark", "Peter"]) print(df) ######## out put ########## Maths Science English John 6 5 10 Mark 5 8 6 Peter 3 10 4
我们使用 df.loc 方法进行基于标签的选择：
df.loc["John"] ######## out put ########## Maths 6 Science 5 English 10 Name: John, dtype: int64
df.loc["Mark", ["Maths", "English"]] ######## out put ########## Maths 5 English 6 Name: Mark, dtype: int64
但是在df.loc[]中，不允许使用索引来过滤 DataFrame，如下图：
20、数据帧过滤-按索引选择 df.iloc
以 19 里面的数据帧为例，使用 df.iloc 可以用索引：
df.iloc[0] ######## out put ########## Maths 6 Science 5 English 10 Name: John, dtype: int64
21、数据帧中对某一列去重
df = pd.DataFrame([[1, 2, "A"], [5, 8, "B"], [3, 10, "A"]], columns = ["col1", "col2", "col3"]) df["col3"].unique() ######## out put ########## array(['A', 'B'], dtype=object)
22、数据帧中获取某一列去重后的个数
df["col3"].nunique() ######## out put ########## 2
23、将函数应用于 DataFrame df.apply
非常实用：
def add_cols(row): return row.col1 + row.col2 df = pd.DataFrame([[1, 2], [5, 8], [3, 9]], columns = ["col1", "col2"]) df["col3"] = df.apply(add_cols, axis=1) print(df) ######## out put ########## col1 col2 col3 0 1 2 3 1 5 8 13 2 3 9 12
还可以将方法应用于单个列，如下所示：
def square_col(num): return num**2 df = pd.DataFrame([[1, 2], [5, 8], [3, 9]], columns = ["col1", "col2"]) df["col3"] = df.col1.apply(square_col) print(df) ######## out put ########## col1 col2 col3 0 1 2 1 1 5 8 25 2 3 9 9
24、标记重复行 df.duplicated
你可以使用 df.duplicated() 方法标记所有重复的行
df = pd.DataFrame([[1, "A"], [2, "B"], [1, "A"]], columns = ["col1", "col2"]) df.duplicated(keep=False) ######## out put ########## 0 True 1 False 2 True dtype: bool
25、删除重复行 df.drop_duplicates
可以使用 df.drop_duplicates() 方法删除重复的行，如下所示：
df = pd.DataFrame([[1, "A"], [2, "B"], [1, "A"]], columns = ["col1", "col2"]) print(df.drop_duplicates()) ######## out put ########## col1 col2 0 1 A 1 2 B
26、寻找值的分布 value_counts
要查找列中每个唯一值的频率，请使用 df.value_counts() 方法：
df = pd.DataFrame([[1, "A"],
[2, "B"],
[1, "A"]],
columns = ["col1", "col2"])
print(df.value_counts("col2"))
######## out put ##########
col2
A 2
B 1
dtype: int64
27、 重置 DataFrame 的索引 df.reset_index
要重置 DataFrame 的索引，请使用 df.reset_index() 方法：
df = pd.DataFrame([[6, 5, 10], [5, 8, 6], [3, 10, 4]], columns = ["col1", "col2", "col3"], index = [2, 3, 1]) print(df.reset_index()) ######## out put ########## index col1 col2 col3 0 2 6 5 10 1 3 5 8 6 2 1 3 10 4
要删除旧索引，请将 drop=True 作为参数传递给上述方法：
df.reset_index(drop=True) ######## out put ########## col1 col2 col3 0 6 5 10 1 5 8 6 2 3 10 4
28、查找交叉表 df.crosstab
要返回跨两列的每个值组合的频率，请使用 pd.crosstab() 方法：
df = pd.DataFrame([["A", "X"], ["B", "Y"], ["C", "X"], ["A", "X"]], columns = ["col1", "col2"]) print(pd.crosstab(df.col1, df.col2)) ######## out put ########## col2 X Y col1 A 2 0 B 0 1 C 1 0
29、透视数据帧
数据透视表是 Excel 中常用的数据分析工具。与上面讨论的交叉表类似，Pandas 中的数据透视表提供了一种交叉制表数据的方法。
假如 DataFrame 如下：
df = ... print(df) Name Subject Marks 0 John Maths 6 1 Mark Maths 5 2 Peter Maths 3 3 John Science 5 4 Mark Science 8 5 Peter Science 10 6 John English 10 7 Mark English 6 8 Peter English 4
使用 pd.pivot_table() 方法，可以将列条目转换为列标题：
pd.pivot_table(df, index = ["Name"], columns=["Subject"], values='Marks', fill_value=0) ######## out put ########## Subject English Maths Science Name John 10 6 5 Mark 6 5 8 Peter 4 3 10
到此这篇关于学会这29个常用函数,你就是Pandas专家的文章就介绍到这了,更多相关Pandas 函数内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！