pandas常用操作

首先：生成一个实验数据表

import pandas as pd
df = pd.DataFrame({'a':[1,2,3],'b':[1,2,3]})
   a  b
0  1  1
1  2  2
2  3  3

1、修改表头（columns）

1、修改所有列列名

如：a，b修改为A、B。

df.columns = ['A','B']
print(df)

结果：

   A  B
0  1  1
1  2  2
2  3  3

2、只修改指定列列名

如：a修改为A

df.rename(columns={'a':'A'},inplace=True)
print(df)

结果

A  b
0  1  1
1  2  2
2  3  3

其他

df：任意的Pandas DataFrame对象
s：任意的Pandas Series对象
raw：行标签
col：列标签

导入依赖包：

import pandas as pd
import numpy as np

1、导入数据

pd.read_csv(filename_path)：从CSV文件导入数据
pd.read_table(filename_path)：从限定分隔符的文本文件导入数据
pd.read_excel(filename_path)：从Excel文件导入数据
pd.read_sql(query, connection_object)：从SQL表/库导入数据
pd.read_json(json_string)：从JSON格式的字符串导入数据
pd.read_html(url)：解析URL、字符串或者HTML文件，抽取其中的tables表格
pd.read_clipboard()：从你的粘贴板获取内容，并传给read_table()
pd.DataFrame(dict)：从字典对象导入数据，Key是列名，Value是数据

2、导出数据

df.to_csv(filename_path)：导出数据到CSV文件
df.to_excel(filename_path)：导出数据到Excel文件
df.to_sql(table_name, connection_object)：导出数据到SQL表
df.to_json(filename_path)：以Json格式导出数据到文本文件

3、创建测试数据

pd.DataFrame(np.random.rand(20,5))：创建20行5列的随机数组成的DataFrame对象
pd.Series(my_list)：从可迭代对象my_list创建一个Series对象
df.index = pd.date_range('1900/1/30', periods=df.shape[0])：增加一个日期索引

4、查看、检查数据

df.head(n)：查看DataFrame对象的前n行（不加参数，默认前10行）
df.tail(n)：查看DataFrame对象的最后n行（不加参数，默认后10行）
df.shape()：查看行数和列数（维度查看）
df.info()：查看索引、数据类型和内存信息
df.describe()：查看数值型列的汇总统计
s.value_counts(dropna=False)：查看Series对象的唯一值和计数
df.apply(pd.Series.value_counts)：查看DataFrame对象中每一列的唯一值和计数
df.dtypes：查看每一列的数据类型（扩展：df['two'].dtypes，查看“two”列的类型）
df.isnull()：查看空置(注：空置部分会用true显示，不是空置False显示)（扩展：df['two'].isnull，查看“two”这一列的空置）
df.values：查看数据表的值
df.columns：查看列名称

5、数据选取

(具体使用见https://www.cnblogs.com/luckyplj/p/13274662.html)

df.isin([5])：判断全部数据值中是否有5
df[col].isin([5])：判断列col中是否有5
df[col]：根据列名，并以Series的形式返回列
df[[col1, col2]]：以DataFrame形式返回多列
s.iloc[0]：按位置选取行数据
s.loc['index_one']：按索引选取行数据
df.loc[:,'reviews']      获取指定列的数据 注意： 第一个参数为：表示所有行，第2个参数为列名，设置获取列名为review的数据
df.loc[[0,2],['customername','reviews','review_fenci']]   选择指定的多行多列 参数说明： [0,2] 这个列表有两个元素0,2表示选择第0行和第2行['customername','reviews','review_fenci']这个列表有3个元素表示选择列名为'customername','reviews','review_fenci‘的这3列
df.iloc[0,:]：返回第一行
df.iloc[0,0]：返回第一行的第一个元素
df.ix[0] 或 df.ix[raw] ：ix函数可以根据行位置或行标签选择行数据

注：loc函数根据行/列标签(用户自定义的行名、列名)进行行选择；

     iloc函数根据行/列位置(默认的行列索引)进行行选择；

6、数据清理

df.columns = ['a','b','c']：重命名列名
pd.isnull()：检查DataFrame对象中的空值，并返回一个Boolean数组
pd.notnull()：检查DataFrame对象中的非空值，并返回一个Boolean数组
df.dropna()：删除所有包含空值的行
df.dropna(axis=1)：删除所有包含空值的列
df.dropna(axis=1,thresh=n)：删除所有小于n个非空值的行
df.fillna(x)：用x替换DataFrame对象中所有的空值（注：fillna()会填充nan数据，返回填充后的结果。如果希望在原DataFrame中修改，则把inplace设置为True。如，df.fillna(0,inplace=True)）
mydf['列名']=mydf['列名'].fillna(0)   某一列的空值补零
s.astype(float)：将Series中的数据类型更改为float类型
df[col].astype(float)：将DataFrame某列数据类型改为float类型
s.replace(1,'first')：用‘first’代替所有等于1的值（替换的是值，不是列名也不是索引名）
s.replace([1,3],['one','three'])：用'one'代替1，用'three'代替3
df[col].replace(1,1.0,inplace=True)：列col中的值1用1.0替换
df.replace([1,3],['one','three'])
df.rename(columns=lambda x: x + 1)：批量更改列名
df.rename(columns={'old_name': 'new_ name'})：选择性更改列名
df.set_index('column_one')：将column_one这一列变为索引列
df.rename(index=lambda x: x + 1)：批量重命名索引
df[col]=df[col].str.upper()或df[col].str.lower()：基于列的大小写转换
df[col]=df[col].map(str.strip)：清除某列的空格
df.drop_duplicates(subset=col,keep='fisrt',inplace=Flase)：删除重复值

注：这个drop_duplicate方法是对DataFrame格式的数据，去除特定列下面的重复行。返回DataFrame格式的数据。

subset : column label or sequence of labels, optional      用来指定特定的列，默认所有列
keep : {‘first’, ‘last’, False}, default ‘first’      删除重复项并保留第一次出现的项
inplace : boolean, default False        是直接在原来数据上修改还是保留一个副本

7、数据处理

df[df[col] > 0.5]：选择col列的值大于0.5的行
df.sort_values(col1)：按照列col1排序数据，默认升序排列
df.sort_values(col2, ascending=False)：按照列col1降序排列数据
df.sort_values([col1,col2], ascending=[True,False])：先按列col1升序排列，后按col2降序排列数据
df.groupby(col)：返回一个按列col进行分组的Groupby对象
df.groupby([col1,col2])：返回一个按多列进行分组的Groupby对象
df.groupby(col1)[col2]：返回按列col1进行分组后，列col2的均值
df.pivot_table(index=col1, values=[col2,col3], aggfunc=max)：创建一个按列col1进行分组，并计算col2和col3的最大值的数据透视表
df.groupby(col1).agg(np.mean)：返回按列col1分组的所有列的均值
data.apply(np.mean)：对DataFrame中的每一列应用函数np.mean
data.apply(np.max,axis=1)：对DataFrame中的每一行应用函数np.max
df.isin

8、数据合并

df1.append(df2)：将df2中的行添加到df1的尾部
df.concat([df1, df2],axis=1)：将df2中的列添加到df1的尾部
df1.join(df2,on=col1,how='inner')：对df1的列和df2的列执行SQL形式的join

9、数据统计

df.describe()：查看数据值列的汇总统计
df.mean()：返回所有列的均值
df.corr()：返回列与列之间的相关系数
df.count()：返回每一列中的非空值(NaN)的个数
df.max()：返回每一列的最大值
df.min()：返回每一列的最小值
df.median()：返回每一列的中位数
df.std()：返回每一列的标准差
df.sum()：返回所有行的和

参考