【转载】
本文原创出处: http://www.cnblogs.com/xiaoxuebiye/p/7223774.html 导入数据: pd.
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 http:// 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
s.iloc[0]:按位置选取数据 s.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
数据处理:****
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
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)
插入行列
http://www.jianshu.com/p/7df2593a01ce
相关参考链接:****
参考
http://www.qingpingshan.com/rjbc/dashuju/228593.html
十分钟搞定
http://python.jobbole.com/84416/
官方文档
http://pandas.pydata.org/pandas-docs/stable/index.html
操作索引
https://www.dataquest.io/blog/images/cheat-sheets/pandas-cheat-sheet.pdf
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'