©2020-2024 ioDraw All rights reserved,
Privacy Policy
Pandas（数据分析处理库）
导入库 import pandas as pd
（pandas数据结构主要有两种：dataframe，series。series是一维数组，dataframe是二维数组。DataFrame是Pandas中的一个表格型的数据结构，包含有一组有序的列，每列可以是不同的值类型(数值、字符串、布尔型等)，DataFrame即有行索引也有列索引，可以被看做是由Series组成的字典。它是一种类似于一维数组的对象，是由一组数据(各种NumPy数据类型)以及一组与之相关的数据标签(即索引)组成。仅由一组数据也可产生简单的Series对象）
1>pd.Series([ ]) 返回数组中的元素和其索引
pd.Series([ ],index=list( )) index将索引替换
2>temp_dict={ }
pd.Series(temp_dict) 返回的是字典中的键和键值（索引和值）
3>df.describe()指定索引
4>pd.read_csv(“文件路径”) 读取文件
pd.read_sql(sql_sentence.connection) connection表示数据库链接
5>df.ndim 数据维度
6>df.index 行索引
df.columns 列索引
7>df.head( ) 显示头部几行，默认5行
8>df.tail( ) 显示末尾几行，默认5行
9>df.info( ) 相关信息概览：行数，列数，列索引，内存
10>df.describe( ) 快速综合统计结果：计数，均值，标准差，最大值，斯夫位数，最小值
11>df.sort_values(by=" ") 对指定的列进行排序
12>df.loc[]通过标签来进行索引
df.iloc[]通过位置来进行索引
13>数值运算：df.corr()求取相关系数；df[‘Age’].value_counts()求取Age这一列中相同数字出现的个数
14>数据透视表：example.pivot(index=’’,columns=’’,values=’’),df.pivot_table(index=’’,columns=’’,values=’’,aggfunc=’’)
15>时间操作：（import datetime）首先得先创建一个时间戳，然后进行相关操作
pd.to_datetime(s)，ts.month，ts.dt.month，ts.dt.day，ts.dt.weekend
16>df.assign(ration=)对表格进行添加，等于号后面是需要填入的数据的特征
17>df.replace(np.nan,9,inplace=True) 替换值，数据源的替换
18>pd.cut(x,y)将x以y为区间进行切分
19>df.fillna(4)将缺失值填充为数字4
df.isnull()寻找缺失值
20>字符串操作：
21>df1.sort_index(axis=1)按照列索引的方式进行大小排序
22>df.rename(columns={},index={})对行列标签重命名
df.columns()修改数据的列标签
df.index()修改数据的行标签