妈妈再也不用担心我忘记pandas操作了

（点击上方蓝色，轻松关注）

来源：http://www.cnblogs.com/xiaoxuebiye/p/7223774.html

初阶

导入数据：

pd.read_csv(filename) # 从CSV文件导入数据
pd.read_table(filename) # 从限定分隔符的文本文件导入数据
pd.read_excel(filename) # 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

导出数据：

df.to_csv(filename) # 导出数据到CSV文件
df.to_excel(filename) # 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) # 以Json格式导出数据到文本文件

创建测试对象：

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

查看、检查数据：

df.head(n) # 查看DataFrame对象的前n行
df.tail(n) # 查看DataFrame对象的最后n行
df.shape() # 查看行数和列数
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

数据选取：

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
df.iloc[0] # 按位置选取数据
df.loc['index_one'] # 按索引选取数据
df.iloc[0,:] # 返回第一行
df.iloc[0,0] # 返回第一列的第一个元素

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

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

数据清理：

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

其它操作：

改列名：

• 方法1

a.columns = ['a','b','c']

• 方法2

a.rename(columns={'A':'a', 'B':'b', 'C':'c'}, inplace = True)

进阶

取数（元素）：

取df中某一个具体的数据
iloc     index locate 
举例 ：
    print df.iloc[0,0]
    print df.iloc[1, 1]
    print df.iloc[19, 7]
如果 df 是日期索引 +  a,b,c 列名
loc      locate
df.loc[ '2017-01-01', 'A'  ]

取数（行）：

one_row = df.iloc[4]
one_row2 = df.loc['2013-01-02']
print type(one_row)
# 取某一行， 取出来后之后的数据类型是   Series
# 可以  one_row.iloc[1], 再访问 Series 里的数据
print one_row.iloc[1]
print one_row.loc['A']

取数（列）：

column2 = df['A']
column2 是一个 Series 类型
print type( column2 )
可访问 列里面的数据
    print column2[0]
    print column2['2013-01-03']

取数（切片）：

行模式切片
    dfsub1 = df.iloc[4:5]
    print type( dfsub1 )
    print  dfsub1
    dfsub2 = df.loc['2013-01-03':'2013-01-05']
    print  dfsub2
切片的结果 还是df,  而且改变 dfsub, 会同时改变
df
-------------------------------------------------
列模式 
    print ' get sub by  column mode '
    dfsub = df[['A','B']]
    print type( dfsub )
    print  dfsub
-------------------------------------------------
子集 
row  x  column
方式一：
    print ' get sub by  row  X column  mode '
    dfsub = df.loc['20130102':'20130104', ['A', 'B']]
    print type( dfsub )
    print  dfsub
方式二
dfsub = df.iloc[ 1:3, 1:3 ]
-------------------------------------------------

取数（条件切片）：

dfsub =  df[  (df.A > 0) and  (df.B > 0)  ]
结果类型是 df
这个玩意很想数据库里的    select where 
送一个特殊条件
print df[ df > 0 ]

行遍历 ：

def testForeach():
        df = pd.read_table('D:/run/data/sz002626_2017-01-04.cvs', encoding='gbk')  # ,header=0
        df = df.sort_index(axis=0, ascending=False)
        df.columns = [1, 2, 3, 4, 5, 6]
        df[7] = 'kong'
        print  df
        # 清洗
        df[3] = df[3].replace('--', '0.00')
        df[3] = df[3].astype(float)
        #遍历
        df[7] = df.apply(lambda r: dorec(r), axis=1)
        print df
        pass
def dorec(rec):
        if (rec[3] > 0):
            return '涨'
        if (rec[3] < 0):
            return '跌'
        else:
            return '平'

总结

pandas的操作上千种，但对于数据分析的使用掌握常用的操作就可以应付了，更多的操作可以参考pandas官网。

参考

http://www.qingpingshan.com/rjbc/dashuju/228593.html

http://python.jobbole.com/84416/官方文档

http://pandas.pydata.org/pandas-docs/stable/index.html

https://www.dataquest.io/blog/images/cheat-sheets/pandas-cheat-sheet.pdf

欢迎大家转发分享，觉得好就给个赞吧！

近期精彩文章：

~发送<学习资料>获取经典书籍电子书~

长按识别二维码