使用pandas读取文本文件

dataframe转置：df.T

dataframe 获取列名列表：DataFrame.columns.values.tolist()

pandas去重：DataFrame.drop_duplicates(result)

dataframe把其中的0替换为缺失：df.replace(0,np.nan)

删除某行或某列：

  • df.dropna(axis=0,how='all') 删除表中全部为NaN的行
  • df.dropna(axis=0,how='any') 删除表中含有任何NaN的行

取出某一列：data[["列名"]]

取出某几行：data[1:5]

pandas索引，一个[]取出的是series，两个[[]]取出的是数据

为dataframe单独赋值：

  • df.iloc[2,2] = 1111 //利用索引确定需要修改值的位置
  • df.loc['20130101','B'] = 2222 //利用标签确定需要修改值的位置

series转化为list： list(series)

查看dataframe的数据类型： print(dataframe.dtypes)

修改某列的数据类型： df['涨跌幅'] = df['涨跌幅'].astype(np.float64)

对series和dataframe进行排序：

#coding=utf-8 
import pandas as pd 
import numpy as np 

#以下实现排序功能。 
series=pd.Series([3,4,1,6],index=['b','a','d','c']) 
frame=pd.DataFrame([[2,4,1,5],[3,1,4,5],[5,1,4,2]],columns=['b','a','d','c'],index=['one','two','three']) 
print frame 
print series 
print 'series通过索引进行排序：' 
print series.sort_index() 
print 'series通过值进行排序:' 
print series.sort_values() 
print 'dataframe根据行索引进行降序排序（排序时默认升序，调节ascending参数）：' 
print frame.sort_index(ascending=False) 
print 'dataframe根据列索引进行排序：' 
print frame.sort_index(axis=1) 
print 'dataframe根据值进行排序：' 
print frame.sort_values(by='a') 
print '通过多个索引进行排序：' 
print frame.sort_values(by=['a','c'])

计算相关系数：

方法一： PCC = Matrix.T.corr()

方法二： 

arr_M = Matrix.replace(0,np.nan) 
arr_M = arr_M.dropna(axis=0,how='all').fillna(0) 
PCC = np.corrcoef(arr_M)#相关系数矩阵

pandas的drop函数

pandas用groupby后对层级索引levels的处理

DataFrame指定位置增加删除一行一列

Pandas速查手册中文版(转)

关键缩写和包导入

在这个速查手册中，我们使用如下缩写：
df：任意的Pandas DataFrame对象

同时我们需要做如下的引入：

import pandas as pd

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（注意没有括号）
  • df.info() ：查看索引、数据类型和内存信息
  • df.describe()：查看数值型列的汇总统计
  • 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
  • s.loc['index_one']：按索引选取数据
  • df.iloc[0,:]：返回第一行
  • df.iloc[0,0]：返回第一列的第一个元素
  • df.sample(frac=1) #frac抽取行的比例 frac=1抽取所有行

数据清理

  • df.columns = ['a','b','c']：重命名列名
  • pd.isnull()：检查DataFrame对象中的空值，并返回一个Boolean数组
  • pd.notnull()：检查DataFrame对象中的非空值，并返回一个Boolean数组
  • 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
  • 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={'oldname': '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
  • 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
  • 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
  • df.groupby(col1).agg(np.mean)：返回按列col1分组的所有列的均值
  • 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

标签: python

添加新评论