图片来源:Octávio Deluchi
网上和书上有很多关于熊猫的教程。熊猫图书馆是数据科学家和数据工程师使用最多的图书馆之一。在本教程中，我将列出我最常用的熊猫功能。
虽然有许多功能可供选择，但这里是我最常用的十个功能。请在评论区让我知道你的。我很乐意将它们加入我的收藏。我将把重点放在熊猫数据框架而不是系列。
让我们从进口熊猫开始。
import pandas as pd
擅长
import pandas as pd
data = pd.read_excel(‘path_to_your_excel file’, sep=‘ ’, index_col=‘name’, dtype=dtypes, sheet_name=’’)
战斗支援车
import pandas as pd
data = pd.read_excel(‘path_to_your_excel file’, sep=‘ ’ , index_col=‘name’, dtype=dtypes)
阅读 HTML
import pandas as pd
data = pd.read_html(‘data.html’, index_col=0)
注意:您可以在导入文件时添加数据类型。也就是说，如果你想忽略标题，设置 header=False。
dtypes = {‘colname’: ’datatype’, ‘Weight’: ‘float32’}
熊猫认为这些是缺失的价值观
(' ')，' nan '，'-nan '，' NA '，' N/A '，' nan '，' null '
当读写文件时，你可以像这样替换它们
df.to_csv('new-data.csv', na_rep='(missing)')
总和
df['colName'].sum()
的意思是
df['colName'].mean()
累积和
df['colName'].cumsum()
汇总统计数据
df['colName'].describe()
数数
df['colName'].count()
最小/最大
df['colName'].min()
df['colName'].max()
中位数
df['colName'].median()
采样离散
df['colName'].var()
标准偏差
df['colName'].std()
偏斜度
df['colName'].skew()
峰度
df['colName'].kurt()
值的相关矩阵
df.corr()
Pandas 在大型数据集中提供类似 SQL 的功能
简单连接
pd.concat([df_a, df_b], axis=**1**)
用 condition_column 值合并两个数据框
pd.merge(df_new, df_n, on=‘join_condition_column_name’)
与外部联接合并
pd.merge(df_a, df_b, on=‘condition_column', how='outer’)
用内部联接合并
pd.merge(df_a, df_b, on=‘condition_column', how='inner’)
用右连接合并
pd.merge(df_a, df_b, on=’common_column_id’, how=’right’)
用左连接合并
pd.merge(df_a, df_b, on=‘common_column_id ‘, how=’left’)
向重复的列名添加后缀时进行合并
pd.merge(df_a, df_b, on=’ common_column_id ‘, how=’left’, suffixes=(‘_left’, ‘_right’))
基于索引合并
pd.merge(df_a, df_b, right_index=True, left_index=True)
查看前 10 个条目
dataFrame.head(10)
查看最后 10 个条目
dataFrame.tail(10)
数据集中的记录总数
dataFrame.shape[0]
数据集中的列数
dataframes.columns
数据集索引详细信息
data.index
汇总数据帧
data.describe()
汇总所有列
data.describe(include = “all”)
列的平均值
round(data.columnname.mean())
列中出现次数最少的值
data.columnnsme.value_counts().tail()
熊猫中的 loc:来自https://www . analyticsvidhya . com/blog/2020/02/loc-iloc-Pandas/
loc 是基于标签的，这意味着我们必须指定需要过滤掉的行和列的名称。
熊猫中的 iloc:来自https://www . analyticsvidhya . com/blog/2020/02/loc-iloc-Pandas/
另一方面，iloc 是基于整数索引的。所以在这里，我们必须通过它们的整数索引来指定行和列。
例子
import numpy as np # imported numpy to make arrays.
df = pd.DataFrame(np.array([[1, 2, 3], [4, 5, 6]]))
print(df)
输出:
# Using `iloc[]`
print(df.iloc[0][0])
输出:1
# Using `loc[]`
print(df.loc[0][2])
输出:3
# Using `at[]`
print(df.at[1,2])
产出:6
# Using `iat[]`
print(df.iat[0,2])
输出:3
例子
df = pd.DataFrame(data=np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]), columns=['A', 'B', 'C'])
print(df)# Append a column to `df`
df.loc[:, 'D'] = pd.Series(['5', '6' ,'7'], index=df.index)
print(df)
输出:
例子
df = pd.DataFrame({"A":["foo", "foo", "foo", "bar"], "B":[0,1,1,1], "C":["A","A","B","A"]})
print(df)# droping duplicate value from A and C
df = df.drop_duplicates(subset=['A', 'C'], keep=False)
print(df)# froping the whole column in index 1, which remove the whole row
df = df.drop(df.index[[1]])
print(df)
输出:
例子
df = pd.DataFrame({"A":["foo", "foo", "foo", "bar"], "B":[0,1,1,1], "C":["A","A","B","A"]})
print(df)# Replace strings by number (0-4)
df = df.replace(['foo', 'A','B' ], [10,90 , 80])
print(df)# Replace using `regex`
df = df.replace({r'[^0-9]+': 'apple'}, regex=True)
print(df)
输出:
我们可以创建一个自定义函数或使用 lambda 函数一次性动态地更改数据框中的记录。
例子
df = pd.DataFrame({"A":["foo", "foo", "foo", "bar"], "B":[0,1,1,1], "C":["A","A","B","A"]})
print(df)
print('\n')
doubler = lambda x: x*2
df = df.replace({r'[^0-9]+': 10}, regex=True)
df = df.apply(doubler)
print(df)
输出:
从现有列创建新列
dfa = pd.DataFrame({"A": [1, 2, 3], "B": [4, 5, 6]})
print(dfa)
dfa = dfa.assign(C=lambda x: x['A'] + x['B'],D=lambda x: x['A'] + x['C'])
dfa
输出:
把字典作为你的数据框架的输入
my_dict = {1: [‘1’, ‘3’], 2: [‘1’, ‘2’], 3: [‘2’, ‘4’]}
print(pd.DataFrame(my_dict))
输出:
序列作为数据框的输入
my_series = pd.Series({“England”:”London”, “Nepal”:”kathmandu”, “China”:”Baiging”, “Belgium”:”Brussels”})
print(pd.DataFrame(my_series))
print(len(my_series.shape))
输出:
在这个列表中，我还没有添加很多功能。但是这些是我用得最多的。Panda 是一个丰富的库，它有来自官方网站的非常好的文档。你可以通过这个链接阅读。https://pandas.pydata.org