Python Pandas –操作
熊猫支持非常有用的操作，如下所示，
考虑下面的dataFrame，
import numpy as np
import pandas as pd
df = pd.DataFrame({
'col1': [1, 2, 3, 4],
'col2': [444, 555, 666, 444],
'col3': ['abc', 'def', 'ghi', 'xyz']
})
print(df.head())
'''
Output:
col1 col2 col3
0 1 444 abc
1 2 555 def
2 3 666 ghi
3 4 444 xyz
'''在数据框中查找唯一值
为了从列中找到唯一值，
#返回所有唯一值的numpy数组 print(df['col2'].unique() ) #输出：array（[444，555，666]） #返回长度/唯一值的数量 #在一个numpy数组中 print(df['col2'].nunique()) #输出3 #如果我们想要唯一值表 #他们出现了多少次 print(df['col2'].value_counts() ) ''' Output: 444 2 555 1 666 1 Name: col2, dtype: int64 '''
从数据框中选择数据
看dataFrame，
使用条件选择，我们可以选择以下数据，
print(df['col1']>2) ''' Output: 0 False 1 False 2 True 3 True Name: col1, dtype: bool ''' print(df[(df['col1']>2)]) ''' Output: col1 col2 col3 2 3 666 ghi 3 4 444 xyz ''' print(df[df['col1']>2 & (df['col2']==44)]) ''' Output: col1 col2 col3 0 1 444 abc 1 2 555 def 2 3 666 ghi 3 4 444 xyz '''
应用方法
考虑一个简单的方法，
def times2(x): return x*2
我们已经知道我们可以抓住一列并从中调用一个内置函数。如下
print(df['col1'].sum()) #输出：10
现在，为了应用自定义功能（例如上面定义的时间(times2)），熊猫提供了执行此功能的选项，如下所述，
print(df['col2'].apply(times2)) ''' Output: 0 888 1 1110 2 1332 3 888 Name: col2, dtype: int64 '''
应用内置功能，
print(df['col3'].apply(len)) ''' Output: 0 3 1 3 2 3 3 3 Name: col3, dtype: int64 '''
当与lambda表达式结合使用时，apply方法将更强大。例如，
print(df['col2'].apply(lambda x: x*2)) ''' Output: 0 888 1 1110 2 1332 3 888 Name: col2, dtype: int64 '''
更多操作
#返回列名
print(df.columns)
#输出：索引（['col1'，'col2'，'col3']，dtype='object'）
#由于这是一个rangeindex，因此它实际上会报告
#也可以开始，停止和步进值
print(df.index)
#输出：RangeIndex（开始=0，停止=4，步骤=1）
#按栏排序
print(df.sort_values('col2'))
'''
Output:
col1 col2 col3
0 1 444 abc
3 4 444 xyz
1 2 555 def
2 3 666 ghi
'''在以上结果中，请注意索引值不会更改，这是为了确保保留这些值。
一片空白
#一片空白
print(df.isnull())
'''
Output
col1 col2 col3
0 False False False
1 False False False
2 False False False
3 False False False
'''该isnull()会返回布尔值的数据框指示值是否是空或不是。在上面的代码中，由于我们的数据帧中有空值，因此我们得到的布尔值均为false。
降低NAN值
print(df.dropna()) ''' Output: col1 col2 col3 0 1 444 abc 1 2 555 def 2 3 666 ghi 3 4 444 xyz '''
用自定义值填充NAN值
df = pd.DataFrame({
'col1': [1, 2, 3, np.nan],
'col2': [np.nan, 555, 666, 444],
'col3': ['abc', 'def', 'ghi', 'xyz']
})
print(df)
'''
Output:
col1 col2 col3
0 1.0 NaN abc
1 2.0 555.0 def
2 3.0 666.0 ghi
3 NaN 444.0 xyz
'''
print(df.fillna('FILL'))
'''
Output:
col1 col2 col3
0 1 FILL abc
1 2 555 def
2 3 666 ghi
3 FILL 444 xyz
'''数据透视表的用法
AdvancedExcel用户将熟悉此方法。考虑一个新的dataFrame，
data = {
'A': ['foo', 'foo', 'foo', 'bar', 'bar', 'bar'],
'B': ['one', 'one', 'two', 'two', 'one', 'one'],
'C': ['x', 'y', 'x', 'y', 'x', 'y'],
'D': [1, 3, 2, 5, 4, 1]
}
df = pd.DataFrame(data)
print(df)
'''
Output:
A B C D
0 foo one x 1
1 foo one y 3
2 foo two x 2
3 bar two y 5
4 bar one x 4
5 bar one y 1
'''数据透视表创建一个多索引dataFrame。数据透视表采用三个主要参数，即值，索引和列。
print(df.pivot_table(values='D',index=['A', 'B'],columns=['C']))
'''
Output:
C x y
A B
bar one 4.0 1.0
two NaN 5.0
foo one 1.0 3.0
two 2.0 NaN
'''