Pandas入門的12個技巧
作者：PythonTip
Pandas 是一個非常流行的 Python 庫，它提供了強大、靈活和高性能的數(shù)據(jù)處理工具。
今天，就為大家總結一下 “Pandas數(shù)據(jù)處理的12技巧”，拿來即用，隨查隨用。
今天，就為大家總結一下 “Pandas數(shù)據(jù)處理的12技巧”，拿來即用，隨查隨用。
1. 安裝
你還可以使用內置的 Python 工具 pip 安裝 Pandas 并運行以下命令:
$ pip install pandas安裝完成后的提示成功，則可以環(huán)境中使用pandas包了。
import pandas2. 創(chuàng)建數(shù)據(jù)列
Pandas一維數(shù)組(數(shù)據(jù)列)可以保存任何數(shù)據(jù)類型。一般通過調用 pd.Series() 方法實現(xiàn)，不指定index，默認為0,1,2,3...。
import pandas
import numpy
S = pandas.Series(
[1, 2, 3, 4], # 數(shù)據(jù)
index=["a", "b", "c", "d"], # 指定索引
dtype=numpy.int8, # 指定數(shù)據(jù)類型
)
S.name = "test" # 創(chuàng)建一維數(shù)組的名稱
S.index.name = "index" # 創(chuàng)建一維數(shù)組的索引名稱
print(S)輸出:
index
a 1
b 2
c 3
d 4
Name: test, dtype: int83. 創(chuàng)建數(shù)據(jù)框
創(chuàng)建具有列的二維數(shù)據(jù)結構的對象(數(shù)據(jù)框)。一般通過調用 pd.DataFrame() 方法實現(xiàn)，不指定index，默認為0,1,2,3...。
import pandas
dat_list = [
[1, 2, 3],
[4, 6, 8],
[10, 11, 12],
]
df = pandas.DataFrame(
dat_list,
index=["i1", "i3", "i2"],
columns=["a", "b", "c"],
)
print(df)輸出:
a b c
i1 1 2 3
i3 4 6 8
i2 10 11 124. CSV文件的讀寫
Pandas 支持從 CSV的讀寫，我們用 pd.read_csv() 和 pd.to_csv() 方法來實現(xiàn)。
import pandas
d = {
"A": [1, 2, 3],
"B": [4, 5, 6],
"C": [7, 8, 9],
"D": [10, 11, 12],
}
df = pandas.DataFrame(d, index=["i2", "i1", "i3"])
print(df)
df.to_csv("output/test.csv") # 導出到CSV文件
dfnew = pandas.read_csv("output/test.csv", index_col=0) # index_col=0 表示第一列為索引
print(dfnew)5. Excel文件的讀寫
Pandas 支持從 Excel的讀寫，我們用 pd.read_excel() 和 pd.to_excel() 方法來實現(xiàn)。
import pandas
d = {
"A": [1, 2, 3],
"B": [4, 5, 6],
"C": [7, 8, 9],
"D": [10, 11, 12],
}
df = pandas.DataFrame(d, index=["i2", "i1", "i3"])
print(df)
df.to_excel("output/test.xlsx") # 導出到excel
dfnew = pandas.read_excel("output/test.xlsx", index_col=0) # index_col=0 表示第一列為索引
print(dfnew)6. 通過位置選擇值
Pandas 支持通過位置選擇值，我們用 df.iloc[row_index, column_index] 來實現(xiàn)。
import pandas
d = {
"A": [1, 2, 3],
"B": [4, 5, 6],
"C": [7, 8, 9],
"D": [10, 11, 12],
}
df = pandas.DataFrame(d, index=["i2", "i1", "i3"])
print(df)
print(df.iloc[2, 1]) # 6 結果為一個值
print(df.iloc[[2], [1]]) # 結果為一個元素的數(shù)據(jù)框
print(df.iloc[1:3, :]) # 結果為一個數(shù)據(jù)框輸出:
A B C D
i2 1 4 7 10
i1 2 5 8 11
i3 3 6 9 12
6
B
i3 6
A B C D
i1 2 5 8 11
i3 3 6 9 127. 通過名稱選擇值
Pandas 支持通過名稱選擇值，我們用 df.loc[row_name, column_name] 來實現(xiàn)。
import pandas
d = {
"A": [1, 2, 3],
"B": [4, 5, 6],
"C": [7, 8, 9],
"D": [10, 11, 12],
}
df = pandas.DataFrame(d, index=["i2", "i1", "i3"])
print(df)
print(df.loc["i2", "C"]) # 6 結果為一個值
print(df.loc[["i2"], ["C"]]) # 結果為一個元素的數(shù)據(jù)框
print(df.loc[["i2", "i3"], ["A", "D"]]) # 切片輸出:
A B C D
i2 1 4 7 10
i1 2 5 8 11
i3 3 6 9 12
7
C
i2 7
A D
i2 1 10
i3 3 128. 標簽可以重復么？
這是一個有意思的問題，如果重復了如何取值呢，如何去掉重復呢？
import pandas
d = {
"A": [1, 2, 3],
"B": [4, 5, 6],
"C": [7, 8, 9],
"D": [10, 11, 12],
}
df = pandas.DataFrame(d, index=["i2", "i1", "i2"])
print(df)
print(df.loc["i2", "C"])
df.columns = ["A", "B", "B", "D"]
print(df)
print(df.loc["i2", "B"])輸出:
A B C D
i2 1 4 7 10
i1 2 5 8 11
i2 3 6 9 12
i2 7
i2 9
Name: C, dtype: int64
A B B D
i2 1 4 7 10
i1 2 5 8 11
i2 3 6 9 12
B B
i2 4 7
i2 6 99. 刪除行/列
Pandas 支持刪除行/列，我們用 df.drop([col/row name], axis=0/1) 來實現(xiàn)。
import pandas
d = {
"A": [1, 2, 3],
"B": [4, 5, 6],
"C": [7, 8, 9],
"D": [10, 11, 12],
}
df = pandas.DataFrame(d, index=["i2", "i1", "i3"])
print(df)
df.drop(
["i2", "i1"],
axis=0, # axis=0刪除行，axis=1刪除列
inplace=True, # 如果為True，則在原數(shù)據(jù)上進行操作，否則，創(chuàng)建一個新的數(shù)據(jù)對象
errors="ignore", # 忽略不存在的列
)
print(df)輸出:
A B C D
i2 1 4 7 10
i1 2 5 8 11
i3 3 6 9 12
A B C D
i3 3 6 9 1210. 在最后增加列
import pandas
d = {
"A": [1, 2, 3],
"B": [4, 5, 6],
"C": [7, 8, 9],
"D": [10, 11, 12]
}
df = pandas.DataFrame(d, index=["i2", "i1", "i3"])
print(df)
df['E'] = 0
print(df)輸出為:
A B C D
i2 1 4 7 10
i1 2 5 8 11
i3 3 6 9 12
A B C D E
i2 1 4 7 10 0
i1 2 5 8 11 0
i3 3 6 9 12 011. 在最后增加行
import pandas
d = {
"A": [1, 2, 3],
"B": [4, 5, 6],
"C": [7, 8, 9],
"D": [10, 11, 12],
}
df = pandas.DataFrame(d, index=["i2", "i1", "i3"])
print(df)
df = df.append(
pandas.DataFrame({"A": 13, "B": 14, "C": 15, "D": 16}, index=["i4"]),
ignore_index=True,
)
print(df)輸出：
A B C D
i2 1 4 7 10
i1 2 5 8 11
i3 3 6 9 12
A B C D
0 1 4 7 10
1 2 5 8 11
2 3 6 9 12
3 13 14 15 1612. 通過標簽(索引或列名)排序
import pandas
d = {
"A": [1, 2, 3],
"B": [4, 5, 6],
"C": [7, 8, 9],
"D": [10, 11, 12]
}
df = pandas.DataFrame(d, index=["i2", "i1", "i3"])
print(df)
df = df.sort_index(
axis=0, # axis=0 按行標簽排序，axis=1 按列標簽排序
level=None,
ascending=True, # 是否升序
inplace=False, # 是否修改原數(shù)據(jù)
kind="quicksort", # 排序算法
na_positinotallow="last", # 如果有NA值，放在最后
sort_remaining=True, # 是否排序剩余列
)
print(df)輸出:
A B C D
i2 1 4 7 10
i1 2 5 8 11
i3 3 6 9 12
A B C D
i1 2 5 8 11
i2 1 4 7 10
i3 3 6 9 12總結
上面分享的pandas入門的12個技巧，希望對你有所幫助。
責任編輯：華軒
來源：
哈希編程
