Pandas速查手冊

本文翻譯自文章：pandas cheat sheet - python for data science，同時新增了部分註解。

對於資料科學家，無論是資料分析還是資料探勘來說，pandas是乙個非常重要的python包。它不僅提供了很多方法，使得資料處理非常簡單，同時在資料處理速度上也做了很多優化，使得和python內建方法相比時有了很大的優勢。

如果你想學習pandas，建議先看兩個**。

（1）官網：python data analysis library

（2）十分鐘入門pandas：10 minutes to pandas

在第一次學習pandas的過程中，你會發現你需要記憶很多的函式和方法。所以在這裡我們彙總一下pandas官方文件中比較常用的函式和方法，以方便大家記憶。同時，我們提供乙個pdf版本，方便大家列印。pandas-cheat-sheet.pdf

在這個速查手冊中，我們使用如下縮寫：

df：任意的pandas dataframe物件

s：任意的pandas series物件

同時我們需要做如下的引入：

import pandas as pd
import numpy as np

pd.read_csv(filename)：從csv檔案匯入資料

pd.read_table(filename)：從限定分隔符的文字檔案匯入資料

pd.read_excel(filename)：從excel檔案匯入資料

pd.read_sql(query, connection_object)：從sql表/庫匯入資料

pd.read_json(json_string)：從json格式的字串匯入資料

pd.read_html(url)：解析url、字串或者html檔案，抽取其中的tables**

pd.read_clipboard()：從你的貼上板獲取內容，並傳給read_table()

pd.dataframe(dict)：從字典物件匯入資料，key是列名，value是資料

df.to_csv(filename)：匯出資料到csv檔案

df.to_excel(filename)：匯出資料到excel檔案

df.to_sql(table_name, connection_object)：匯出資料到sql表

df.to_json(filename)：以json格式匯出資料到文字檔案

pd.dataframe(np.random.rand(20,
5))：建立20行5列的隨機數組成的dataframe物件
pd.series(my_list)：從可迭代物件my_list建立乙個series物件
df.index = pd.date_range(
'1900/1/30'
, periods=df.shape[0]
)：增加乙個日期索引

df[col]：根據列名，並以series的形式返回列

df[[col1, col2]]：以dataframe形式返回多列

s.iloc[0]：按位置選取資料

s.loc[『index_one』]：按索引選取資料

df.iloc[0,:]：返回第一行

df.iloc[0,0]：返回第一列的第乙個元素

df.columns = [『a』,『b』,『c』]：重新命名列名

pd.isnull()：檢查dataframe物件中的空值，並返回乙個boolean陣列

pd.notnull()：檢查dataframe物件中的非空值，並返回乙個boolean陣列

df.dropna()：刪除所有包含空值的行

df.dropna(axis=1)：刪除所有包含空值的列

df.dropna(axis=1,thresh=n)：刪除所有小於n個非空值的行

df.fillna(x)：用x替換dataframe物件中所有的空值

s.astype(float)：將series中的資料型別更改為float型別

s.replace(1,『one』)：用『one』代替所有等於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=)：選擇性更改列名

df.set_index(『column_one』)：更改索引列

df.rename(index=lambda x: x + 1)：批量重新命名索引

資料處理：filter、sort和groupby

資料合併

df.concat(

[df1, df2]

,axis=

1)：將df2中的列新增到df1的尾部

df1.join(df2,on=col1,how=

'inner'

)：對df1的列和df2的列執行sql形式的join

df.describe()：檢視資料值列的匯**計

df.mean()：返回所有列的均值

df.corr()：返回列與列之間的相關係數

df.count()：返回每一列中的非空值的個數

df.max()：返回每一列的最大值

df.min()：返回每一列的最小值

df.median()：返回每一列的中位數

df.std()：返回每一列的標準差

Pandas速查手冊

Pandas速查手冊

Pandas速查手冊

Pandas速查手冊中文版

相關推薦