公眾號(hào)：尤而小屋
作者：Peter
編輯：Peter

本文主要是介紹的自己在平時(shí)使用Pandas處理數(shù)據(jù)過程中接觸到的高頻技巧。以前的Pandas文章有對(duì)不同知識(shí)點(diǎn)的拆解，歡迎閱讀。

Pandas連載文章

圖解Pandas數(shù)據(jù)合并：concat、join、append

創(chuàng)建DataFrame：10種方式任你選

贊！五花八門的Pandas篩選數(shù)據(jù)

數(shù)據(jù)處理基石：數(shù)據(jù)探索

高頻技巧

使用的技巧主要是下圖涉及到的：

import?pandas?as?pd import?numpy?as?np

導(dǎo)入文件

Pandas能夠讀取很多文件：Excel、CSV、數(shù)據(jù)庫、TXT，甚至是在線的文件都是OK的

創(chuàng)建DataFrame

在以前的文章中介紹過10種DataFrame的方法

查看頭尾數(shù)據(jù)

頭尾都是默認(rèn)5行數(shù)據(jù)，可以指定行數(shù)

#?df2.head()??默認(rèn)頭部5行 df2.head(3)??#?指定3行#?df2.tail()??默認(rèn)尾部5行 df2.tail(2)??#?指定尾部2行

顯示全部列名

顯示索引

查看列的數(shù)據(jù)類型

查看行列數(shù)

查看數(shù)據(jù)大小

查看缺失值

修改列名

兩種方式：使用rename函數(shù)和直接使用columns屬性

統(tǒng)計(jì)元素

統(tǒng)計(jì)每個(gè)元素的個(gè)數(shù)

轉(zhuǎn)成列表數(shù)據(jù)

提取列中數(shù)據(jù)

提取文本數(shù)據(jù)

數(shù)值范圍數(shù)據(jù)提取

提取整列數(shù)據(jù)

缺失值填充

• 指定填充的值

• 用計(jì)算值

• 用其他值

數(shù)據(jù)去重

計(jì)算統(tǒng)計(jì)值

計(jì)算統(tǒng)計(jì)值，比如最值和均值等

計(jì)算中位數(shù)

提取最值所在的行

Pandas切片

df2.iloc[22]??#?提取某個(gè)行的數(shù)據(jù) df2.iloc[:,1:6]??#?行和列上的切片

大小排序

分組聚合

使用groupby分組之后，對(duì)不同的字段可以使用不同的聚合函數(shù)

索引重排

注意和上面例子的比較。使用的是reset_index函數(shù)

去掉原索引

使用索引重排之后我們需要去掉原來的索引；比較上下兩個(gè)結(jié)果的區(qū)別。通過drop=True來實(shí)現(xiàn)

apply函數(shù)

兩個(gè)列相加

DataFrame合并

1、先看看兩個(gè)原始數(shù)據(jù)

2、默認(rèn)情況：求的兩個(gè)DF的交集

3、保留左邊全部數(shù)據(jù)

4、保留右邊全部數(shù)據(jù)

how="inner"其實(shí)就是默認(rèn)情況：

導(dǎo)出數(shù)據(jù)

導(dǎo)出數(shù)據(jù)的時(shí)候通常是不需要索引的

往期精彩回顧適合初學(xué)者入門人工智能的路線及資料下載機(jī)器學(xué)習(xí)及深度學(xué)習(xí)筆記等資料打印機(jī)器學(xué)習(xí)在線手冊深度學(xué)習(xí)筆記專輯《統(tǒng)計(jì)學(xué)習(xí)方法》的代碼復(fù)現(xiàn)專輯 AI基礎(chǔ)下載黃海廣老師《機(jī)器學(xué)習(xí)課程》視頻課黃海廣老師《機(jī)器學(xué)習(xí)課程》711頁完整版課件

本站qq群851320808，加入微信群請掃碼：

總結(jié)

以上是生活随笔為你收集整理的【Python】30个Pandas高频使用技巧的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。