pandas用法整理

CAPL基础篇-----CAPL中如何发送自定义报文 CANOE CAPL CAN消息发送 阅读详情

处理表格数据的时候经常用到pandas,每次用的时候都要去查函数,每次记不住,每次都查,哈哈哈,自己整理一下,码住。

一、Pandas的数据类型

进行数据分析时,如何正确使用数据类型,这非常重要。在pandas中的数据类型和python原生数据类型有相似又有不同,这是比较头疼的地方。

1.下表给出Pandas,Python和Numpy数据类型的总结

Pandas dtypePython类型Numpy类型用途
objectstrstring,unicode文本
int64intint_,int8,int16,int64,uint8,uint16,uint32,uint64整数
float64floatfloat_,float16,float32,float64浮点数
boolboolbool_布尔值
datetime64[ns]NANA日期时间
timedelta[ns]NANA时间差
categoryNANA有限长度的文本值列表

2.dtype查看数据类型

import pandas as pd
df = pd.read_csv('文件路径')
df.dtypes()

3.astype强制修改数据类型

df.index.astype('int64')  # 索引类型转换
df.astype('int64')  # 所有数据转换为 int64
df.astype('int64', copy=False)  # 不与原数据关联
df.astype({'A': 'int32'})  # 指定字段转换类型
df['A'].astype('float')  # 指定字段转换类型

二、生成数据表

1.读取文件

# 导入pandas
import pandas as pd
# 导入numpy
import numpy as np
# 导入csv或xlsx文件
df = pd.read_csv('文件路径')
df = pd.read_excel('文件路径')

2.用pandas创建数据表

df = pd.DataFrame(
{"id": [1001,1002,1003,1004,1005,1006], 
"date": pd.date_range('20130102', periods=6),
"city": ['Beijing ', 'SH', ' guangzhou ', 'Shenzhen', 'shanghai', 'BEIJING '],
"age": [23,44,54,32,34,32],
"category": ['100-A','100-B','110-A','110-C','210-A','130-F'],
"price": [1200,np.nan,2133,5433,np.nan,4432]},
columns=['id','date','city','category','age','price'])

1.png

三、数据表信息查看

1.维度查看

df.shape  # (6, 6)

2.数据表基本信息

df.info()

info.png

3.每一列的数据类型

df.dtypes

dtypes.png

4.查看某一列的数据类型

df['A'].dtype

5.空值

df.isnull()

isnull.png

6.查看某一列的空值

df['A'].isnull()

7.查看某一列的唯一值

df['A'].unique()

8.查看数据表的值

df.values

values.png

9.查看列名称

df.columns

Output:

Index(['id', 'date', 'city', 'category', 'age', 'price'], dtype='object')

10.查看前五行、后五行数据

df.head()  # 默认前五行数据
df.head(100)  # 查看前100行数据
df.tail()  # 默认后五行数据

四、数据预处理

1.用数字0填充空值

df.fillna(value=0)

2.使用price的均值对NA进行填充

df['price'].fillna(df['price'].mean())

3.清除city字段的空格字符

df['city] = df['city'].map(str.strip)

4.大小写转换

df['city'] = df['city'].str.lower()  # 转小写
df['city'] = df['city'].str.upper()  # 转大写

5.更改数据类型

df['price'].astype('int')

6.更改列名称

df.rename(columns={'category': 'category-size'})

7.删除重复值 默认保留前面出现的

df['city'].drop_duplicates()

8.删除重复值 保留后面出现的

df['city'].drop_duplicates(keep='last')

9.数据替换

df['city'].replace('sh', 'shanghai')

sh.png

五、数据表操作

df1=pd.DataFrame({"id":[1001,1002,1003,1004,1005,1006,1007,1008], 
"gender":['male','female','male','female','male','female','male','female'],
"pay":['Y','N','Y','Y','N','Y','N','Y',],
"m-point":[10,12,20,40,40,40,30,20]})

2.png

1.数据表合并

1.1 merge

默认的连接方法为inner

df_inner=pd.merge(df,df1,how='inner')  # 交集 自然连接
df_left=pd.merge(df,df1,how='left')  # 左连接 以左数据框中的连接键为基准,匹配右数据框中的信息,并连接
df_right=pd.merge(df,df1,how='right')  # 右连接
df_outer=pd.merge(df,df1,how='outer')  # 并集

inner: inner.png

1.2 append

result = df1.append(df)

re.png

1.3 join

join方法是一种快速合并的方法,它默认以index作为对齐的列。

join中的how参数和merge中的how参数一样,用来指定表合并保留数据的规则。

on参数:在实际应用中如果右表的索引是左表的某一列的值,这时可以将右表的索引和左表的列对齐合并这样的灵活方式进行合并。

# result = left.join(right, how='right', on='key')

left = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'], 'B': ['B0', 'B1', 'B2', 'B3'],'key': ['K0', 'K1', 'K0', 'K1']})
right = pd.DataFrame({'C': ['C0', 'C1'],'D': ['D0', 'D1']},index=['K0', 'K1'])

result=left.join(right,on='key')

1.4 concat

pd.concat(objject, axis=0, join='outer', join_axes=None, ignore_index=False,
	          keys=None, levels=None, names=None,verify_integrity=False,
	          copy=True)

object:series,dataframe或者是panel构成的序列list

axis:需要合并连接的轴,0是行,1是列

join:连接的方式inner,或者outer

2.设置索引列

df_inner.set_index('id')  # 设置索引列为'id'

3.按照指定列的值排序

df_inner.sort_values(by=['age'])

4.按照索引列排序

df_inner.sort_index()

5.如果price列的值>3000,group列显示high,否则显示low

df_inner['group'] = np.where(df_inner['price'] > 3000, 'high', 'low')

6.对符合多个条件的数据进行分组标记

df_inner.loc[(df_inner['city'] == 'beijing') & (df_inner['price'] >= 4000), 'sign'] = 1

7.对category字段的值依次进行分列,并创建数据表,索引值为df_inner的索引列,列名称为category和size

pd.DataFrame((x.split('-') for x in df_inner['category']),index=df_inner.index,columns=['category','size'])

8.将完成分裂后的数据表和原df_inner数据表进行匹配

df_inner = pd.merge(df_inner, split, right_index=True, left_index=True)

六、数据提取

主要用到3个函数:loc,iloc和ix,

loc函数按标签值进行提取,iloc按位置进行提取,ix可以同时按标签和位置进行提取。

1.按索引提取单行的数值

df_inner.loc[3]

2.按索引提取区域行数值

df_inner.iloc[0: 5]

3.重设索引

df_inner.reset_index()

4.设置日期为索引

df_inner = df_inner.set_index('date')

5.提取4日之前的所有数据

df_inner[: '2013-01-04']

6.使用iloc按位置区域提取数据

df_inner.iloc[: 3, : 2]  # 提取前3行,前4列

7.使用iloc按位置单独提取数据

df_inner.iloc[[0, 2, 5], [4, 5]]  # 提取第0、2、5行,4、5列

8.使用ix按索引标签和位置混合提取数据

df_inner.ix[: '2013-01-03', : 4]  # 2013-01-03号之前,前四列数据

9.判断city列里的值是否为北京

df_inner['city].isin(['beijing'])

10.判断city列里是否包含beijing和shanghai,然后将符合条件的数据提取出来

df_inner.loc[df_inner['city'].isin(['beijing', 'shanghai'])]

11.提取前三个字符,并生成数据表

pd.DataFrame(df_inner['category'].str[: 3])

七、数据筛选(逻辑操作

使用与、或、非三个条件配合大于、小于、等于对数据进行筛选,并进行计数和求和。

1.使用“与”进行筛选

df_inner.loc[(df_inner['age'] > 25) & (df_inner['city'] == 'beijing'), ['id', 'city', 'age', 'category', 'gender']]

2.使用“或”进行筛选

df_inner.loc[(df_inner['age'] > 25) | (df_inner['city'] == 'beijing'), ['id','city','age','category','gender']].sort(['age'])

3.使用“非”进行筛选

df_inner.loc[(df_inner['city'] != 'beijing'), ['id','city','age','category','gender']].sort(['id'])

4.对筛选后的数据按city列进行计数

df_inner.loc[(df_inner['city'] != 'beijing'), ['id','city','age','category','gender']].sort(['id']).city.count()

5.使用query函数进行筛选

df_inner.query('city == ["beijing", "shanghai"]')

6.对筛选后的结果按price进行求和

df_inner.query('city == ["beijing", "shanghai"]').price.sum()

八、数据汇总

主要函数是groupby和pivote_table

1.对所有的列进行计数汇总

Input:

df_inner.groupby('city').count()

2.按城市对id字段进行计数

Input:

df_inner.groupby('city')['id'].count()

3.对两个字段进行汇总统计

Input:

df_inner.groupby(['city', 'size'])['id'].count()

4.对city字段进行汇总,并分别计算price的合计和均值

Input:

df_inner.groupby('city')['price'].agg([len, np.sum, np, mean])

九、数据统计

数据采样,计算标准差,协方差和相关系数

1.简单的数据采样

df_inner.sample(n=3)

2.手动设置采样权重

weights = [0, 0, 0, 0, 0.5, 0.5]
df_inner.sample(n=2, weights=weights)

3.采样后不放回

df_inner.sample(n=6, replace=False)

4.采样后放回

df_inner.sample(n=6, replace=True)

5.数据表描述性统计

df_inner.describe().round(2).T  # round函数设置显示小数位,T表示转置

6.计算列的标准差

df_inner['price'].std()

7.计算两个字段间的协方差

df_inner['price'].cov(df_inner['m-point'])

8.数据表中所有字段间的协方差

df_inner.cov()

9.两个字段的相关性分析

df_inner['price'].corr(df_inner['m-point'])
# 相关系数在-1到1之间,接近1为正相关,接近-1为负相关,0为不相关

10.数据表的相关性分析

df_inner.corr()

十、数据输出

1.写入Excel

df_inner.to_excel('excel_to_python.xlsx', sheet_name='bluewhale_cc') 

2.写入CSV

df_inner.to_csv('excel_to_python.csv') 

---------------------------END---------------------------

题外话

感谢你能看到最后,给大家准备了一些福利!

感兴趣的小伙伴,赠送全套Python学习资料,包含面试题、简历资料等具体看下方。


👉优快云大礼包🎁:全网最全《Python学习资料》免费赠送🆓!(安全链接,放心点击)

一、Python所有方向的学习路线

Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照下面的知识点去找对应的学习资源,保证自己学得较为全面。

img

二、Python兼职渠道推荐*

学的同时助你创收,每天花1-2小时兼职,轻松稿定生活费.
在这里插入图片描述

三、最新Python学习笔记

当我学到一定基础,有自己的理解能力的时候,会去阅读一些前辈整理的书籍或者手写的笔记资料,这些笔记详细记载了他们对一些技术点的理解,这些理解是比较独到,可以学到不一样的思路。

img

四、实战案例

纸上得来终觉浅,要学会跟着视频一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。

img

👉优快云大礼包🎁:全网最全《Python学习资料》免费赠送🆓!(安全链接,放心点击)

若有侵权,请联系删除

基于STM32设计的环境监测系统(华为云IOT)_300 随着空气污染问题日益严峻,环境空气质量的监测变得愈加重要。为了解决这一问题,本项目设计并实现了一款基于STM32的空气质量监测设备,能够实时监测空气中的温湿度、二氧化碳浓度和甲醛浓度,并通过OLED显示屏展示数据。此外,设备支持通过WIFI模块将数据上传至云端,用户可以通过手机APP或Windows上位机查看实时数据。设备采用MQTT协议与华为云IOT物联网服务器进行数据通信,确保数据的实时性和可靠性。本项目还结合了低功耗设计和高灵敏度传感器,使得设备能够高效稳定地运行,并实现远程监控功能。 阅读详情

相关推荐

手推反向传播+numpy实现

反向传播的重要性不必多说,手推也是必备基础,大厂面试要求用numpy实现一下BP也是经常的事。下面以一个简单的两层网络为例(简单到连bias都没有的那种),真·手推反向传播+numpy实现。 说明: input:输入 net_h:隐层 S(x):sigmoid简写 SD(x):sigmoid导数的简写 out_h:隐层经过sigmoid激活的输出 net_o:输出层 out_o:经过经过sigmoid激活的输出层,也就是最后的输出 target(简写t1、t2):Ground...

xian0710830114的专栏 1238

数据分析中判断数据类型常用方法汇总(pandas)

目 录1、空值判断2、其他数据类型判断2.1 判断Serise或DataFrame中某一列的数据类型2.2 利用np.issubdtype()判断Serise或DataFrame中某元素的类型参考文献: 1、空值判断 判断数据是否为空值的常用函数有:pd.isna(),pd.isnull(),np.isnat()和np.isnan(),四种方法用于判断的数据类型如下表所示: 注意: 1、判断某个值是否空值,将该值传给相应函数即可,如pd.isna(input_data)、np.isnan(np.

sunmingyang1987的博客 7267

10-Oracle 23 ai Vector Search 概述和参数

企业和个人都在尝试各种AI,使用客户端或是内部自己搭建集成大模型的终端,加速与大型语言模型(LLM)的结合,同时使用检索增强生成(Retrieval Augmented Generation :RAG)功能,RAG能够将LLM的生成能力与知识库的精准资料库进行检索结合,将大模型部署在内部同时将私有的数据进行LLM的检索避免泄露企业专用的数据同时提高的准确性。于是如何将数据存入向量数据库以及向量查询等这些基本功能变得必备和重要。

远方的专栏 1297

Pandas查看数据类型

在pandas中(读取csv文件时),使用dtypes来查看数据类型 dataset = pd.read_csv('a.txt',sep=';',header=0,low_memory=False) dataset.dtypes #这句在console上直接执行 Date object Time object Global_active_power object Global_reactive_powe

Fwuyi的博客 1万+

AI数字人:口播与唇形同步的福音,支持本地部署/批量生成/口齿清晰

你也可以直接输入语音,虚拟化身会根据语音的节奏和语调,同步做出相应的动作和表情,表现更加生动。不过这依然是个值得关注的工具。借助先进的 AI 算法,Heygem 高精度捕捉五官、轮廓等特征,构建逼真的虚拟模型。同时,它还能克隆语音,捕捉人声的细微特征,支持多种语音参数设置,打造高度相似的音色效果。打开设置,调整镜像存储位置,镜像文件比较大70~80G,选择合适的盘,设置完成后点击“Apply & Restart”。数字人视频画面与声音高度同步,口型匹配自然流畅,智能优化音视频效果,带来极佳的视听体验。

m0_72580657的博客 5864

西工大noj100题python2024第三季21-30

【代码】西工大noj100题python2024第三季21-30。

weixin_70523540的博客 1581

数据分析之Pandas-详细版

Pandas常用于爬虫之后的数据清洗,将数据处理干净,便于后续对数据进行可视化分析。

m0_58468567的博客 1531

三相电路小白必看:正弦量向量表示法保姆级教程(附欧拉公式推导)

本文为电气工程初学者详细解析了三相电路中正弦量的向量表示法,即相量法。通过几何直观和欧拉公式推导,阐明如何将时变正弦量转化为静态复平面向量进行运算,并利用平行四边形法则简化同频正弦量的加减计算。文章结合Python代码进行可视化验证,帮助读者牢固掌握这一分析交流电路的核心工具。

linux6sysadmin的博客 1003

49 pandas数据类型判断(汇总)(tcy)

数据判断:2018/11/8 2019/1/11   1.函数:缺失值判断   pd.isna(obj) /isnull(obj)        #检测类似数组对象缺失值。 pd.notna(obj) /notnull(obj)      #检测类似数组对象非缺失值。 参数:obj:标量或数组 返回:布尔或布尔数组 说明:     # NA值如None或np.nan,NaT将映射Tru...

tcy-阿春 7956

AUTOSAR系统服务篇 - BswM的使用

本文档是对4.0.3版及更高版本的AUTOSAR模式管理应用的介绍。其主要目的是为AUTOSAR的用户和开发人员提供基于示例的AUTOSAR模式管理不同方面的详细概述,这些示例在文中进行了解释。本文中的代码清单共同构成了示例ECU的配置。第2章解释了基础的模式管理概念,例如一般的模式、如何实现模式切换、模式管理者和模式用户的角色等。其次介绍了应用模式管理和基础软件模式管理的依赖关系,两者密切相关。基础软件模式管理器是AUTOSAR R4.0中的中央模式管理模块。它具有很高的可配置性。

IOT2017的博客 848

simulink建模仿真实例1000例--第375例:基于Simulink进行复杂交通流的仿真建模

特点多车互动:模拟多个车辆之间的相互作用。动态变化:交通流量随时间和事件(如事故、天气变化)而变化。多样化驾驶行为:考虑不同的驾驶员行为模式(激进型、保守型等)。挑战准确性:准确地模拟各种因素对交通流的影响。实时性:处理大量车辆数据,并迅速做出反应。可扩展性:支持从简单场景到复杂城市交通网络的扩展。首先明确要模拟的任务内容。模拟不同类型的车辆(轿车、卡车、公交车等)。考虑不同驾驶员的行为模式。分析交通拥堵、事故对交通流的影响。

xiaoheshang_123的博客 204

pandas数据类型

pandas数据类型 大多数情况下,pandas在Series和DataFrame的columns中使用numpy 的 arrays 和 dtypes 。 numpy提供对float,int,bool,timedelta64[ns],datetime64[ns]数据类型的支持。 但是numpy不支持timezone-aware datetimes pandas和一些第三方库在一些地方扩展了nump...

wyc的博客 1104

基于转录逆转的药物重定向 GPS 模型

GPS是一个基于分子结构预测基因表达扰动的开源平台,由三个模块组成:RCL(在LINCS扰动数据上训练抗噪MLP)、GPS4Drugs(预测新化合物的基因表达谱并进行逆转评分)、MolSearch(基于MCTS的分子优化)。平台使用Morgan指纹和Gene Ontology注释作为特征输入,将基因表达扰动离散为三分类标签。训练数据来自LINCS Phase I的18,746个化合物和978个landmark基因,支持四细胞系独立训练,可用于药物重定向与化合物筛选。

听雨草堂 84

pandas 用法整理

pandas 用法整理 文章目录pandas 用法整理参考资料日期把时间戳变为本地日期把索引改为日期索引制作日期列表采样使用降采样上采样画图分组,聚合分组单列分组多列分组聚合合并merge对表数据进行更改更改表某列数据类型对某列数据进行差值填充 参考资料 pandas中文 日期 把时间戳变为本地日期 pd.to_datetime(list(data['timestamp']), unit='s', utc=True).tz_convert('Asia/Shanghai').strftime("%Y-%m-%

坚持的力量 878

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

Pandas用法整理

Pandas用法整理一.理解fig,ax = plt.subplots() 一.理解fig,ax = plt.subplots() 见链接https://www.cnblogs.com/komean/p/10670619.html

LIWEI940638093的博客 372

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

Python Pandas用法整理

pandas的基本语法与结构

qq_41234663的博客 1176

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

python pandas 分类汇总用法_Python pandas用法最全整理

1、首先导入pandas库,一般都会用到numpy库,所以我们先导入备用:import numpy as npimport pandas as pd2、导入CSV或者xlsx文件:df = pd.DataFrame(pd.read_csv('name.csv',header=1))df = pd.DataFrame(pd.read_excel('name.xlsx'))3、用pandas创建数据表...

weixin_32537029的博客 6375

python中pandas用法整理

1、首先导入pandas库,一般都会用到numpy库,所以我们先导入备用: importnumpyasnpimport pandasaspd 2、导入CSV或者xlsx文件: df=pd.DataFrame(pd.read_csv('name.csv',header=1))df=pd.DataFrame(pd.read_excel('name.xlsx')) 3、用pandas创建数据表: df=pd.DataFrame({"id":[1001,1002,1003,1004,...

勇敢前行,一路向前 1734

python的pandas_Python pandas用法最全整理

1、首先导入pandas库,一般都会用到numpy库,所以我们先导入备用:import numpy as npimport pandas as pd2、导入CSV或者xlsx文件:df = pd.DataFrame(pd.read_csv('name.csv',header=1))df = pd.DataFrame(pd.read_excel('name.xlsx'))3、用pandas创建数据表...

weixin_39822629的博客 74

python中pandas库 模块_Python pandas用法最全整理

Python pandas用法最全整理来源:中文源码网浏览: 次日期:2019年11月5日【下载文档:Python pandas用法最全整理.txt】(友情提示:右键点上行txt文档名->目标另存为)Python pandas用法最全整理1、首先导入pandas库,一般都会用到numpy库,所以我们先导入备用:import numpy as npimport panda...

weixin_39851872的博客 309

Numpy and Pandas 用法整理

numpy属性 import numpy as np array=np.array([[1,2,3], [2,3,4]]) #array数组 matrix 矩阵 print(array) print('number of dim:',array.ndim)#看几维的数组 print("shape:",array.shape)#看行数列数 print("siz...

yanglv123的博客 754

python pandas文档,Python pandas用法最全整理

1、首先导入pandas库,一般都会用到numpy库,所以我们先导入备用:import numpy as npimport pandas as pd2、导入CSV或者xlsx文件:df = pd.DataFrame(pd.read_csv('name.csv',header=1))df = pd.DataFrame(pd.read_excel('name.xlsx'))3、用pandas创建数据表...

weixin_29119033的博客 484

pythonpandas用法,Python pandas用法最全整理

1、首先导入pandas库,一般都会用到numpy库,所以我们先导入备用:import numpy as npimport pandas as pd2、导入CSV或者xlsx文件:df = pd.DataFrame(pd.read_csv('name.csv',header=1))df = pd.DataFrame(pd.read_excel('name.xlsx'))3、用pandas创建数据表...

weixin_39728124的博客 183

【python学习】Pandas下DataFrame用法整理

本文将简述DataFrame文件的基本操作,包括创建方式、轴概念、一些常用性质以及DataFrame文件导出操作

s1k9y9的博客 832
上一篇: python-Flask框架基础学习
下一篇: 详解python匹配问题
Python_P叔
博客等级 码龄3年 5455粉丝 827原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值