【Pandas】DataFrame 速查

基本操作

>1.查看前5个值和后三个值
>df2.head()
>df2.tail(3)

>2.查看列名，值，以及索引
>df2.columns
>df2.values
>df2.index

>3.查看统计数据
>df2.describe()

>4.转置操作
>df2.T

>5.通过标签查询
>df2['age'，’animal'.......]多列查询

>6.按行查询
>df2.iloc[1:3]  # 查询 2，3 行

>7.按照坐标查询
>df3.iat[1,0]  #2行1列的数据

>8.按照标签和索引进行查询
>df3.loc['f','age']   #f行，标签为age的数据

>9.添加列数据（创建一个series，然后添加）
>num = pd.Series([0, 1, 2, 3, 4, 5, 6, 7, 8, 9], index=df3.index)
>df3['No.'] = num  # 添加以 'No.' 为列名的新数据列

>10.丢弃数据
>data.drop('m1',axis=1) #相当于delete table a where yid='m1'
>data.drop(['a','c'])  #相当于delete table a where xid='a' or xid='c'
>df5.dropna(how = 'any')  #删除缺失值所在的行

>11.缺失值处理
>df4.fillna(value=3)

>12.条件查找 df['条件']
>df[df['age'] > 3]
>df[(df['animal'] == 'cat') & (df['age'] < 3)] 
>df3[df3['animal'].isin(['cat', 'dog'])]

>13.行列索引切片
>df.iloc[2:4, 1:3]   #2-4行切片，1-3列切片

>14.排序操作
>df.sort_values(by=['age', 'visits'], ascending=[False, True])

>15.DataFrame 多值替换
>df['priority'].map({'yes': True, 'no': False})  #yes替换为True，no为False

>16.分组操作
>df4.groupby('animal').sum()     

文件操作

>1.CSV 文件写入
>df3.to_csv('animal.csv')

>2.CSV 文件读取
>df_animal = pd.read_csv('animal.csv')

>3.Excel 写入操作
>df3.to_excel('animal.xlsx', sheet_name='Sheet1')

>4.Excel 读取操作
>pd.read_excel('animal.xlsx', 'Sheet1', index_col=None, na_values=['NA'])

>5.求中位数
>s1.median()

>6.求最大值
>s1.max()

>7.求和
>s1.sum()