1.想要刪除資料中有空數值的一行
df = df.dropna()
print(df)
df = pd.read_csv('***.csv',delimiter=','
,names=['***','***'],encoding="utf-8")
print(df)
df = df.sort_index(axis=0(or)1,ascending=true(or)false)
axis = 0 #對列（index）排序
axis = 1 #對行（columns）排序
ascending = true #公升序（預設公升序）
ascending = false #降序
df = df.sort_values(by='列名',ascending=true(or)false)
by = 'colmuns' #列名
ascending = true #公升序（預設公升序）
ascending = false #降序
df = df.sort(columns=['列名1','列名2']...,ascending=true(or)false)
columns = ['','',''] #可以對多列進行排序
ascending = true #公升序（預設公升序）
ascending = false #降序
df = df[(df.index == ' 1') & df.xx > 1000]
如果條件有（str）索引 在判斷條件前中加入空格 如： ' 1'
多個條件進行判斷時 用 '&' 符號
df = df.drop(['columns'],axis = 1)
columns = 列名
df = df.head(3)
預設顯示前5行資料，可以通過傳出的引數修改。
比如：上面就顯示前3行資料
df = df.tail(3)
預設顯示後5行資料，可以通過傳出的引數修改。
比如：上面就顯示後3行資料
df = df.fillna(value=5)
將資料中的所以空值賦值為value
df = df.mean()
返回所有帶有可計算資料的列的平均值
df = df.xx.mean()
返回具體某一列帶有可計算資料的列的平均值
df = df.drop_duplicates()
將資料中有重複的一行資料進行刪除
傳入['columns']列名引數可以對列進行去重
df.xx.value_counts()
xx = 列名 #統計該列元素出現的次數
df.xx.str.lower()
將列元素全部轉換為小寫
df.xx.str.upper()
將列元素全部轉換為大寫
pieces = [df[:3],df[4:5],df[7:9]]
pd.concat(pieces,ignore_index=true(or)false)
將傳入的數值進行合併
ignore_index = true #重新建立索引
ignore_index = false #使用原來的索引
#暴力模式的填補空值
df.fillna(0,inplace=true)
#出現這種情況的原因是：衍生出來的dataframe b 的改變會導致 dataframe a 的改變
b = a.loc[:,['c','d']]
#解決辦法：
b = a.loc[:,['c','d']].copy()
df = pd.read_csv('test.csv',delimiter=';',error_bad_lines=false)
#error_bad_lines=false 跳過錯誤資料的那一行資料
pandas實用函式
一 統計彙總函式 import pandas as pd s pd.series s.min s.max s.sum s.mean s.count 非缺失元素的個數 s.size 所有元素的個數 s.median s.var s.std s.quantile 計算任意分位數 s.cov 計算協方差 ...
實用Pandas操作記錄
from lxml import etree 檔案路徑 f e web crawler https免費http ip 第1頁https.html 生成html頁面的字串 html table text etree.tostring etree.parse f,etree.htmlparser dec...
5個實用的Pandas技巧
效率已成為及時完成工作的關鍵因素。乙個人不應該花超過合理的時間去完成事情。尤其是當任務涉及基本編碼時。使用pandas庫能節省你的時間。pandas是乙個開源包。它有助於用python語言執行資料分析和資料操作。此外，它還為我們提供了靈活的資料結構。目錄 pandas技巧1 行的條件選擇 首先，資料...