Pandas 基础知识点总结（python）

68 阅读 0 评论 45 点赞

我是靠谱客的博主眼睛大黑裤，最近开发中收集的这篇文章主要介绍Pandas 基础知识点总结（python），觉得挺不错的，现在分享给大家，希望可以做个参考。

参考连接

pandas 数据结构

维数	名称	描述
1	Series	带标签的一维同构数组
2	DataFrame	带标签的，大小可变的，二维异构表格

Pandas 所有数据结构的值都是可变的，但数据结构的大小并非都是可变的，比如，Series 的长度不可改变，但 DataFrame 里就可以插入列。

Pandas 里，绝大多数方法都不改变原始的输入数据，而是复制数据，生成新的对象。一般来说，原始输入数据不变更稳妥。

#index（行）即 默认值axis=0；或 columns（列），即 axis=1
for col in df.columns:
    series = df[col]
    # do something with series

head() 与 tail() 用于快速预览 Series 与 DataFrame，默认显示 5 条数据，也可以指定显示数据的数量。

含义	属性
查看后5条数据	df.tail()
查看数据类型	df2.dtypes
显示索引与列名	df.index 行, df.columns 列
按轴排序	df.sort_index(axis=1, ascending=False)
按值排序	df.sort_values(by=‘B’)
函数计算 Series 与 DataFrame 数据列的各种数据统计量，这里排除了空值。对于混合型的 DataFrame 对象， describe() 只返回数值列的汇总统计量，如果没有数值列，则只显示类别型的列。	df.describe()
将数据转换成 numpy对象，输出不包含行索引和列标签	DataFrame.to_numpy()

属性	含义
选择单列	df[‘列名’]
选择前3行，用 index 名切片行	df[0:3] 或者 df[“index_name0” : “index_name2”]
用标签选择	df.loc[ “A”]
用位置选择	df.iloc[3]
	df.iloc[3:5, 0:2]
	df.iloc[[1, 2, 4], [0, 2]]
删除Dataframe指定行列	drop(）
返回最大值/最小值的索引，当多行或多列中存在多个最大值或最小值时，只返回匹配到的第一个值的 Index：	idxmax() 与 idxmin()
对Series里面的每个值进行计数并且排序，默认降序。	value_counts()，.value_counts(ascending=True)（升序）)
把一组数据分割成离散的区间，并设置标签	pandas.cut(x, bins, right=True, labels=None, retbins=False, precision=3, include_lowest=False, duplicates=‘raise’)

Pandas 主要用 np.nan 表示缺失数据。计算时，默认不包含空值。

删除所有含缺失值的行	df1.dropna(how=‘any’)
填充缺失值	df1.fillna(value=5)