GPU|赶紧收藏！pandas常用的数据处理函数汇总来了！ openai

文章图片

哈喽，大家中午好啊！我们知道数据分析在我们实际的工作生活中起到很重要的作用，各行各业都需要通过数据分析，进行运营、规划或者推广等工作。因此，今天，我就为总结了关于数据处理的常见的函数，帮助大家梳理所学知识！
目录
⊙ 导?数据
⊙导出数据
⊙查看数据
⊙数据选取
⊙数据处理
⊙ 数据分组和排序
⊙ 数据合并
1.导?数据
常用的导入数据的6个用法：
pd.read_csv(filename) # 导?CSV?件数据
pd.read_table(filename) # 导入txt文件
pd.read_excel(filename) # 导?Excel?件
pd.read_sql(queryconnection_object) # 导?SQL表/库数据
pd.read_json(json_string) # 导?JSON格式的字符串数据
pd.read_html(url) # 解析URL、字符串或者HTML?件，获取表格
2.导出数据
常用的导出数据的5个用法：
df.to_csv(filename) #将数据导出到CSV?件
df.to_excel(filename) #将数据导出到Excel?件
df.to_sql(table_nameconnection_object) #将数据导出到SQL表
df.to_json(filename) #以Json格式导出数据到?本?件
writer=pd.ExcelWriter('test.xlsx'index=False) 将数据写入到Excel文件
3.查看数据
常用的查看数据的10个用法：
df.head(n) # 查看数据前n?
df.tail(n) # 查看数据最后n?
df.shape() # 查看?数和列数
df.info() # 查看索引、数据类型和内存信息
df.columns() # 查看字段（??）名称
df.describe() # 查看汇总统计
s.value_counts() # 统计某个值出现次数
df.apply(pd.Series.value_counts) # 查看DataFrame对象中每?列的唯?值和计数
df.isnull().any() # 查看是否有缺失值
df[df[column_name
.duplicated()
# 查看column_name字段数据重复的数据信息

4.数据选取
常用的数据选取的10个用法：
df[col
# 选择某一列
df[[col1col2

# 选择多列
s.iloc[0
# 通过位置选取数据
s.loc['index_one'
# 按索引选取数据
df.iloc[0:
# 返回第??
df.iloc[00
# 返回第?列的第?个元素
df.loc[0:
# 返回第??（索引为默认的数字时， ?法同df.iloc），但需要注意的是loc是按索引iloc参数只接受数字参数
df.ix[[:5
[\"col1\"\"col2\"

# 返回字段为col1和col2的前5条数据，可以理解为loc和
iloc的结合体。
df.at[5\"col1\"
# 选择索引名称为5 ，字段名称为col1的数据
df.iat[50
# 选择索引排序为5 ，字段排序为0的数据
5.数据处理
常用的数据处理的15个用法：
df.columns= ['a''b''c'
# 重命名列名（需要将所有列名列出，否则会报错）
pd.isnull() # 检查DataFrame对象中的空值，并返回?个Boolean数组
pd.notnull() # 检查DataFrame对象中的?空值，并返回?个Boolean数组
df.dropna() # 删除所有包含空值的?
df.dropna(axis=1) # 删除所有包含空值的列
df.dropna(axis=1thresh=n) # 删除所有?于n个?空值的?
df.fillna(value=https://mparticle.uc.cn/api/x) # ?x替换DataFrame对象中所有的空值， ?持
df[column_name
.fillna(x)
s.astype(float) # 将Series中的数据类型更改为float类型
s.replace(1'one') # ?‘one’代替所有等于1的值
s.replace([13
['one''three'
) # ?'one'代替1 ， ?'three'代替3
df.rename(columns=lambdax:x+1) # 批量更改列名
df.rename(columns={'old_name':'new_ name') # 选择性更改列名
df.set_index('column_one') # 将某个字段设为索引，可接受列表参数，即设置多个索引
df.reset_index(\"col1\") # 将索引设置为col1字段，并将索引新设置为012...
df.rename(index=lambdax:x+1) # 批量重命名索引
6.数据分组、排序、透视
常用的数据分组的13个用法：
df.sort_index().loc[:5
# 对前5条数据进?索引排序
df.sort_values(col1) # 按照列col1排序数据，默认升序排列
df.sort_values(col2ascending=False) # 按照列col1降序排列数据
df.sort_values([col1col2
ascending=[TrueFalse
) # 先按列col1升序排列，后按col2降序排列数据
df.groupby(col) # 返回?个按列col进?分组的Groupby对象
df.groupby([col1col2
) # 返回?个按多列进?分组的Groupby对象
df.groupby(col1)[col2
.agg(mean) # 返回按列col1进?分组后，列col2的均值agg可以接受列表参数， agg([lennp.mean
)
df.pivot_table(index=col1values=[col2col3