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
filter、sort和groupby
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
mysql 檢視內建函式 mysql內建函式
一 字串函式 1.concat s1,s2.sn 把傳入的引數連線成乙個字串 2.insert str,x,y,str 從str的x位置開始,替換y長度的字串為str,select insert abcdefg 2,3,hello 3.lower str upper str 將字串轉換為大寫,小寫 ...
pandas 常用函式
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...
Pandas常用函式
count 非 na 值的數量 describe 針對 series 或 df 的列計算匯 計 min max 最小值和最大值 argmin argmax 最小值和最大值的索引位置 整數 idxmin idxmax 最小值和最大值的索引值 quantile 樣本分位數 0 到 1 sum求和 mea...