Pandas简单操作（学习总结）

Pandas 的主要数据结构是 Series （一维数据）与 DataFrame（二维数据），是一个提供高性能、易于使用的数据结构和数据分析工具。

接下来查看Pandas的基本使用：
 

1. # 导入模块
2. import pandas as pd
3. import numpy as np

复制代码

 

1. # 读取文件
2. stu = pd.read_excel('./stu_data.xlsx')
3. stu.head()

复制代码

 
 

1. # 查看数据 （数据类型，是否有空值）
2. stu.info()

复制代码

 
 

1. # 转换数据类型
2. stu['日期'] = stu['日期'].astype('str')
3. stu.info()

复制代码

 
 切片操作

1. # iloc or loc切片 (学号，身高，体重）
2. stu.iloc[:,[0,2,3]]  # 获取学号,身高,体重，所有行信息
3. stu.loc[5:10,['学号','身高','体重'] ]

复制代码

 
 
查询操作

1. # sql查询语言 身高高于170   性别是女
2. stu.query('身高 > 170 and 性别 == "女"')
3. # pandas查询
4. stu[ (stu['身高'] > 170) & (stu['性别'] ==  "女") ]

复制代码

 
 

1. # 通过索引号获取信息
2. stu.query('10')

复制代码

 
 
排序操作

1. stu['身高'].sort_values() # 默认正序
2. stu['身高'].sort_values(ascending=False) # 默认正序

复制代码

 
 
 
分组操作

1. # 按课程分组，查看分组里面的数据
2. stu = stu.groupby('课程')
3. stu.groups

复制代码

 
 

1. # 查看分组描述
2. stu.describe()

复制代码

 
 

1. # 分组汇总
2. # stu.agg(['mean','std']) # 分组后每一列的均值和标准差
3. print(stu.身高.agg(max))

复制代码

 
 
数值变量分段

1. stu = pd.read_excel('./stu_data.xlsx')
2. stu['新体重'] = pd.cut(stu.体重,bins=[40,50,60,70,80,90],right=False)
3. stu.head()

复制代码

 
 
时间拆分

1. # stu.日期
2. stu['年份'] = stu.日期.dt.year
3. stu['月份'] = stu.日期.dt.month
4. stu['天数'] = stu.日期.dt.day
5. stu.head()

复制代码

 
 
表连接

1. # 创建新Series对象
2. stu1 = pd.Series(np.arange(12345678900,12345678952),name='手机号')
3. stu1

复制代码

 
 

1. # 合并表<br>stu3 = pd.concat([stu,stu1],axis=1)
2. stu3.head()

复制代码

 
 
 

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！