国产一级a片免费看高清,亚洲熟女中文字幕在线视频,黄三级高清在线播放,免费黄色视频在线看

pandas 是基于NumPy的一種工具，該工具是為了解決數(shù)據(jù)分析任務(wù)而創(chuàng)建的。Pandas 納入了大量庫(kù)和一些標(biāo)準(zhǔn)的數(shù)據(jù)模型，提供了高效地操作大型數(shù)據(jù)集所需的工具。pandas提供了大量能使我們快速便捷地處理數(shù)據(jù)的函數(shù)和方法。你很快就會(huì)發(fā)現(xiàn)，它是使Python成為強(qiáng)大而高效的數(shù)據(jù)分析環(huán)境的重要因素之一。

導(dǎo)入pandas庫(kù)：

import pandas as pd

導(dǎo)入Series, DataFrame：

from pandas import Series, DataFrame

pandas常用命令

讀取excel文件：

df=pd.read_excel(fpath,sheet_name=name,usecols=[n,m,...])

創(chuàng)建數(shù)據(jù)表：

pd.DataFrame(dict, columns=dict.index, index=[dict.columnnum])

一、數(shù)據(jù)表信息查看

1.查看維度：

df.shape

2.查看數(shù)據(jù)格式

每一列數(shù)據(jù)的格式：

df.dtypes

查看某一列數(shù)據(jù)的格式：

df['列名'].dtype

3.查看數(shù)據(jù)表基本信息（列名稱(chēng)、數(shù)據(jù)格式、所占空間等）：

df.info

4.判斷數(shù)據(jù)是否是空值：

判斷整個(gè)數(shù)據(jù)表數(shù)據(jù)是否為空值：

df.isnull

判斷某一列數(shù)據(jù)是否為空值：

df['列名'].isnull

5.查看某一列的唯一值：

df['列名'].unique

6.查看數(shù)據(jù)表的值：

df.values

7.查看數(shù)據(jù)表索引：

df.index

8.查看列名稱(chēng)：

df.columns

9.查看前n行數(shù)據(jù)：

df.head(n)#默認(rèn)前5行數(shù)據(jù)

10.查看后n行數(shù)據(jù)：

df.tail(n)#默認(rèn)后5行數(shù)據(jù)

二、數(shù)據(jù)清洗

1.用0填充N(xiāo)A：

df.fillna(value=0)#生成副本，不影響原df,添加參數(shù)inplace=True修改原df

2.用列均值對(duì)列NA進(jìn)行填充：

df['列名'].fillna(df['列名'].mean)

3.刪除含有缺失值的行：

df.dropna

4.更改某一列數(shù)據(jù)的數(shù)據(jù)格式：

df['列名'].astype('int')

5.更改列名稱(chēng)：

df.rename(columns={'原列名: '新列名'})

6.刪除后出現(xiàn)的重復(fù)值：

df['列名'].drop_duplicates

7.刪除先出現(xiàn)的重復(fù)值：

df['列名'].drop_duplicates(keep='last')

8.數(shù)據(jù)替換：

df['列名'].replace('原數(shù)據(jù)', '新數(shù)據(jù)')

三、數(shù)據(jù)處理

數(shù)據(jù)讀取

1.數(shù)據(jù)表合并

1.1兩表合并

合并列

df_inner=pd.merge(df1,df2,how='inner')#交集,類(lèi)似sql語(yǔ)句inner join

df_left=pd.merge(df1,df2,how='left')#類(lèi)似sql語(yǔ)句left join

df_right=pd.merge(df1,df2,how='right')#類(lèi)似sql語(yǔ)句right join

df_outer=pd.merge(df1,df2,how='outer')#并集

合并行

pd.concat([df1,df2],axis=0,ignore_index=True)#ignore_index=True，重置索引，默認(rèn)False

1.2多表合并(合并行)

pd.concat([df1,df2,...],axis=0,ignore_index=True)

2.數(shù)據(jù)排序和排名：

2.1數(shù)據(jù)排序

df.sort_values(by=['列名'])

df.sort_values(by=['列1','列2'])

2.2數(shù)據(jù)排名

df['列名'].rank

3.數(shù)據(jù)修改

如果c_adress列的值==‘山東汕頭’，則顯示為'廣東'，否則顯示為原數(shù)據(jù)

np.where(df1['c_adress']=='廣東汕頭','廣東',df1['c_adress'])

四、數(shù)據(jù)選取

1.選取單行：df.loc['行標(biāo)簽']、df.iloc[n:]

2.選取單列：df['列標(biāo)簽']、df.loc[:,'列標(biāo)簽']df.iloc[:,n]

3.選取數(shù)據(jù)區(qū)域

df.loc[['行標(biāo)簽1','行標(biāo)簽2',...],[列標(biāo)簽1','列標(biāo)簽2',...]]

df.iloc[n:m,[n,m,k,...]]

五、數(shù)據(jù)篩選

1.使用大于、小于、等于進(jìn)行數(shù)據(jù)篩選

2.使用或(|)、與(&)、非(~)進(jìn)行數(shù)據(jù)篩選

3.使用.isin進(jìn)行數(shù)據(jù)篩選

4.使用query函數(shù)進(jìn)行數(shù)據(jù)篩選

5.使用.str進(jìn)行數(shù)據(jù)篩選

六、分類(lèi)匯總

1.統(tǒng)計(jì)每一列數(shù)據(jù)中非空的數(shù)量

df.count

2.按某字段對(duì)所有的列進(jìn)行匯總計(jì)數(shù)

df.groupby('字段').count

3.按某字段對(duì)某列進(jìn)行匯總計(jì)數(shù)

df.groupby('字段')['列名'].count

4.按兩個(gè)字段對(duì)某列進(jìn)行匯總計(jì)數(shù)

df.groupby(['字段1','字段2'])['列名'].count

5.按某字段進(jìn)行分類(lèi)計(jì)算某列的數(shù)量、合計(jì)和均值

df.groupby('字段')['列名'].agg(len,np.sum,np.mean)

七、統(tǒng)計(jì)分析

創(chuàng)建數(shù)據(jù)表

1.數(shù)據(jù)抽樣

df.sample(n=None,frac=None,replace=False,weights=None,random_state=None, axis=None)[source]

1.1隨機(jī)抽取n行

df.sample(n)

1.2按比例抽取

df.sample(frac=n)

1.3按抽樣權(quán)重抽取

df.sample(n,weights=weights)

1.4無(wú)放回抽樣

df.sample(n,replace=False)

1.5有放回抽樣

2.計(jì)算最大值:max(axis=0/1)

3.計(jì)算最小值:min(axis=0/1)

4.計(jì)算均值:mean(axis=0/1)

5.計(jì)算標(biāo)準(zhǔn)差:std

6.計(jì)算方差:var

7.數(shù)據(jù)表描述性統(tǒng)計(jì)

df.describe

8.計(jì)算協(xié)方差

計(jì)算兩個(gè)字段間的協(xié)方差系數(shù):df['列1'].cov(df['列2'])

計(jì)算數(shù)據(jù)表中所有字段間的協(xié)方差系數(shù):df.cov

9.計(jì)算相關(guān)性系數(shù)(接近1為正相關(guān)，接近-1為負(fù)相關(guān)，0為不相關(guān))

計(jì)算兩個(gè)字段間的相關(guān)性系數(shù)：df['列1'].corr(df['列2'])

計(jì)算數(shù)據(jù)表中所有字段間的相關(guān)性系數(shù)：df.corr