1 Pandas文件读取和写入
1.1 文件读取（csv、txt、xls/xlsx）
# 读取 csv 文件
pandas.read_csv( )
# 读取 txt 文件
pandas.read_table( )
# 读取 xls/xlsx 文件
pandas.read_excel( ) # 需要安装openpyxl
1.2 文件写入（csv、xls/xlsx）
# 写入 csv 文件
pandas.to_csv( )
# 写入 xls/xlsx 文件
pandas.to_excel( )
2 Pandas基本数据结构（Series、Dataframe）
2.1 Series
(1)创建Series
官方文档上定义Series是轴标签为索引的一维数组(包含时间序列)。
参数有：
- data：数据。
- index：索引
- dtype：输出数据的类型
- name：Series名称
- copy：复制数据。bool型，默认为False
s = pd.Series(np.random.randn(5),
index=['a','b','c','d','e'],
name='这是一个Series',
dtype='float64')
(2)访问Series属性
Series有很多属性，如value、size、shape、T等。
可以通过Series_name.Attributes来访问属性。如：
s.values
(3)访问Series方法
用法类似访问属性的操作。
2.2 DataFrame
DataFrame是一个二维的数据结构。
函数原型是：DataFrame([data, index, columns, dtype, copy])
(1) 创建一个DataFrame
df = pd.DataFrame({'col1':list('abcde'),'col2':range(5,10),'col3':[1.3,2.5,3.6,4.6,5.8]},
index=list('一二三四五'))
(2)行列操作
-
取出一列：
df['col1'] -
修改行/列名：
df.rename(index={'一':'one'}, columns={'col1':'new_col1'}) -
调用属性和方法
-
删除行列。（两种方法：
drop()，pop()）- drop()：
inplace=False不改变原DataFrame中的行列， - pop() 方法直接在原来的DataFrame上操作，且返回被删除的列，与python中的pop函数类似
- drop()：
df.drop(index='五',columns='col1',inplace=False)
- 增加行列
- 直接增加：
- 使用assign方法。但assign方法不会对原DataFrame做修改
(3) DataFrame的索引对其特性
df1 = pd.DataFrame({'A':[1,2,3]},index=[1,2,3])
df2 = pd.DataFrame({'A':[1,2,3]},index=[3,1,2])
print(df1)
print(df2)
df1-df2 #由于索引对齐，因此结果不是0
(4) 根据类型选择列
df.select_dtypes(include=['number']).head()
(5) Series转换为DataFrame
s = df.mean()
s.to_frame()
3 Pandas常用基本函数
(1) head和tail
data.head()：返回data的前几行数据，默认为前五行，需要前十行则data.head(10)data.tail()：返回data的后几行数据，默认为后五行，需要后十行则data.tail(10)
(2) unique和nunique
data['column'].nunique()：显示有多少个唯一值data['column'].unique()：显示所有的唯一值
(3) count和value_counts
data['column'].count()：返回非缺失值元素个数data['column'].value_counts()：返回每个元素有多少个
(4) describe和info
data.info()：返回有哪些列、有多少非缺失值、每列的类型data.describe()：默认统计数值型数据的各个统计量。包括数量、均值、最大最小值、分位数等。describe()可以自行选择分位数。表达式为：df.describe(percentiles=[.05, .25, .75, .95])
describe()也可以用于非数值型数据。df['Physics'].describe()
(5) idxmax和nlargest
data['column'].indxmax()：idxmax函数返回最大值。idxmin功能类似data['column'].nlargest(num)：nlargest函数返回前num个大的元素值，nsmallest功能类似
(6) clip和replace
-
data['column'].clip(low, up)：对超过up或者低于low的数进行截断
-
data['column'].replace(num)：replace是对某些值进行替换。也可以通过字典直接在表中修改。
(7) apply()函数
apply是一个自由度很高的函数。对于Series，它可以迭代每一列的值操作；对于DataFrame，它可以迭代每一个列操作。
df['Math'].apply(lambda x:str(x)+'!').head() #可以使用lambda表达式，也可以使用函数
df.apply(lambda x:x.apply(lambda x:str(x)+'!')).head() #这是一个稍显复杂的例子，有利于理解apply的功能
4 Pandas排序操作
(1) 索引排序
sort_index()可以设置ascending参数为升序(True)或者降序(False)，默认升序
df.set_index('Math').head() #设置索引
df.set_index('Math').sort_index().head()
(2) 值排序
df.sort_values(by='Class').head()
多个值排序，即先对第一层排，在第一层相同的情况下对第二层排序
df.sort_values(by=['Address','Height']).head()
5 问题
【问题一】 Series和DataFrame有哪些常见属性和方法？
-
Series
- 属性：values、 index、、name、dtype
- 方法：mean、T、abs、array、append ......
-
DataFrame
- 属性：columns、index、value、shape
- 方法：mean
【问题二】 value_counts会统计缺失值吗？
答：不会。
df = pd.DataFrame({'col1':[1, 1, 2], 'col2':[3, 4, np.nan]})
df['col1'].value_counts()
df['col2'].value_counts()
【问题三】 与idxmax和nlargest功能相反的是哪两组函数？
答： indxmin() 和 nsmallest()
【问题四】 在常用函数一节中，由于一些函数的功能比较简单，因此没有列入，现在将它们列在下面，请分别说明它们的用途并尝试使用。
sum：求指定轴的和。用法：data.sum(axis=0)。mean：求指定轴的平均数。用法：data.mean()median：求指定轴的中位数。用法：data.median()mad：求指定轴的平均绝对离差min：求指定轴的最小值max：求指定轴的最大值abs：元素的绝对值std：求指定轴样本的标准偏差，默认ddof=1var：求指定轴的方差，默认ddof=1quantile：求指定轴的分位数，参数q默认为0.5，(q in [0, 1])cummax：求指定轴上积累的最大值。默认情况下，NaN值会被忽略，若要包含NaN，则需要使参数skipna=Falsecumsum：求累计和cumprod：求累计乘。cumsum和cumprod可以用来看数据的变化趋势，累加是通过流量得到存量，比如每天销售量的多少，得到今年的销售量总量；累乘是通过变化率来得到存量，比如有每天的数据变动趋势，通过累乘来得到当前的数据。
【问题五】 df.mean(axis=1)是什么意思？它与df.mean()的结果一样吗？第一问提到的函数也有axis参数吗？怎么使用？
axis=1是对1轴进行操作。在DataFrame中，0轴是index轴，1轴是column轴。- 正因为如此，df.mean()对0轴和1轴操作的结果肯定是不一样的。
- 属性没有axis参数，方法有axis参数，用法个人认为是一样的。
如什么问题，欢迎留言交流，觉得有用的小伙伴顺手点个赞吧。
你的肯定是我的最大动力！