Pandas教程作为每个数据科学家都非常熟

文章插图
作为每个数据科学家都非常熟悉和使用的最受欢迎和使用的工具之一， Pandas库在数据操作、分析和可视化方面非常出色
为了帮助你完成这项任务并对Python编码更加自信，我用Pandas上一些最常用的函数和方法创建了本教程。我真心希望这对你有用。
目录

导入库
导入/导出数据
显示数据
基本信息：快速查看数据
基本统计
调整数据
布尔索引：loc
布尔索引：iloc
基本处理数据

我们将研究“泰坦尼克号”的数据集，主要有两个原因：（1）很可能你已经对它很熟悉了；（2）它非常小，很简单
泰坦尼克号的数据集可以在这里下载：
导入库为了我们的目的， “Pandas”库是必须导入的
import pandas as pd导入/导出数据“泰坦尼克号数据集”指定为“data” 。
a）使用read_csv将csv文件导入。你应该在文件中添加数据的分隔符。
data = http://kandian.youth.cn/index/pd.read_csv("file_name.csv", sep=';')b）使用read_excel从excel文件读取数据。
data = http://kandian.youth.cn/index/pd.read_excel('file_name.xls')c）将数据帧导出到csv文件，使用to_csv
data.to_csv("file_name.csv", sep=';', index=False)d）使用“to_excel”将数据框导出到excel文件。
data.to_excel("file_name.xls′)显示数据a）正在打印前n行。如果没有给定，则默认显示5行。
data.head()

文章插图
b）打印最后“n”行。下面，显示最后7行。
data.tail(7)

文章插图
基本信息：快速查看数据
a）显示数据集的维度：总行数、列数。
data.shape（891 ， 12）
b）显示变量类型。
data.dtypes

PassengerIdint64Survivedint64Pclassint64NameobjectSexobjectAgefloat64SibSpint64Parchint64TicketobjectFarefloat64CabinobjectEmbarkedobjectdtype: object

c）按升序值显示变量类型。
data.dtypes.sort_values(ascending=True)

PassengerIdint64Survivedint64Pclassint64SibSpint64Parchint64Agefloat64Farefloat64NameobjectSexobjectTicketobjectCabinobjectEmbarkedobjectdtype: object

d）按类型对变量计数。
data.dtypes.value_counts()object5int645float642dtype: int64e）按升序值对每种类型计数。
data.dtypes.value_counts(ascending=True)float642int645object5dtype: int64f）以绝对值检查生存者与非生存者的数量。
data.Survived.value_counts()05491342Name: Survived, dtype: int64g）检查特征的比例，以百分比表示。
data.Survived.value_counts() / data.Survived.value_counts().sum()与以下相同：
data.Survived.value_counts(normalize=True)00.61616210.383838Name: Survived, dtype: float64h）检查特征的比例，以百分比表示，四舍五入。
data.Survived.value_counts(normalize=True).round(decimals=4) * 100061.62138.38Name: Survived, dtype: float64i）评估数据集中是否存在缺失值。
data.isnull().values.any()Truej）使用isnull()得到缺失值的数目。
data.isnull().sum()PassengerId0Survived0Pclass0Name0Sex0Age177SibSp0Parch0Ticket0Fare0Cabin687Embarked2dtype: int64k）使用notnull()得到现有值的数目。
data.notnull().sum()PassengerId891Survived891Pclass891Name891Sex891Age714SibSp891Parch891Ticket891Fare891Cabin204Embarked889dtype: int64l）按变量列出的缺失值的百分比（%）。
【Pandas教程】data.isnull().sum() / data.isnull().shape[0] * 100等同于
data.isnull().mean() * 100

PassengerId0.000000Survived0.000000Pclass0.000000Name0.000000Sex0.000000Age19.865320SibSp0.000000Parch0.000000Ticket0.000000Fare0.000000Cabin77.104377Embarked0.224467dtype: float64

m）四舍五入（在示例中为2）。
(data.isnull().sum() / data.isnull().shape[0] * 100).round(decimals=2)等同于
(data.isnull().mean() * 100).round(decimals=2)

PassengerId0.00Survived0.00Pclass0.00Name0.00Sex0.00Age19.87SibSp0.00Parch0.00Ticket0.00Fare0.00Cabin77.10Embarked0.22dtype: float64

n）另外：用组合文本打印结果。