本文研究的主要是pandas常用函數(shù)，具體介紹如下。

1 import語(yǔ)句

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import datetime
import re

2 文件讀取

df = pd.read_csv(path='file.csv')
參數(shù)：header=None 用默認(rèn)列名，0，1，2，3...
names=['A', 'B', 'C'...] 自定義列名
index_col='A'|['A', 'B'...] 給索引列指定名稱，如果是多重索引，可以傳list
skiprows=[0,1,2] 需要跳過的行號(hào)，從文件頭0開始，skip_footer從文件尾開始
nrows=N 需要讀取的行數(shù)，前N行
chunksize=M 返回迭代類型TextFileReader，每M條迭代一次，數(shù)據(jù)占用較大內(nèi)存時(shí)使用
sep=':'數(shù)據(jù)分隔默認(rèn)是','，根據(jù)文件選擇合適的分隔符，如果不指定參數(shù)，會(huì)自動(dòng)解析
skip_blank_lines=False 默認(rèn)為True，跳過空行，如果選擇不跳過，會(huì)填充NaN
converters={'col1', func} 對(duì)選定列使用函數(shù)func轉(zhuǎn)換，通常表示編號(hào)的列會(huì)使用（避免轉(zhuǎn)換成int）

dfjs = pd.read_json('file.json') 可以傳入json格式字符串
dfex = pd.read_excel('file.xls', sheetname=[0,1..]) 讀取多個(gè)sheet頁(yè)，返回多個(gè)df的字典

3 數(shù)據(jù)預(yù)處理

df.duplicated() 返回各行是否是上一行的重復(fù)行
df.drop_duplicates() 刪除重復(fù)行，如果需要按照列過濾，參數(shù)選填['col1', 'col2',...]
df.fillna(0) 用實(shí)數(shù)0填充na
df.dropna() axis=0|1 0-index 1-column
how='all'|'any' all-全部是NA才刪 any-只要有NA就全刪
del df['col1'] 直接刪除某一列
df.drop(['col1',...], aixs=1) 刪除指定列，也可以刪除行
df.column = col_lst 重新制定列名
df.rename(index={'row1':'A'}, 重命名索引名和列名
columns={'col1':'A1'})
df.replace(dict) 替換df值，前后值可以用字典表，{1:‘A', '2':'B'}

def get_digits(str):
m = re.match(r'(\d+(\.\d+)?)', str.decode('utf-8'))
if m is not None:
return float(m.groups()[0])
else:
return 0
df.apply(get_digits) DataFrame.apply，只獲取小數(shù)部分，可以選定某一列或行
df['col1'].map(func) Series.map，只對(duì)列進(jìn)行函數(shù)轉(zhuǎn)換

pd.merge(df1, df2, on='col1',
how='inner'，sort=True) 合并兩個(gè)DataFrame，按照共有的某列做內(nèi)連接（交集），outter為外連接（并集），結(jié)果排序

pd.merge(df1, df2, left_on='col1',
right_on='col2') df1 df2沒有公共列名，所以合并需指定兩邊的參考列


pd.concat([sr1, sr2, sr3,...], axis=0) 多個(gè)Series堆疊成多行，結(jié)果仍然是一個(gè)Series
pd.concat([sr1, sr2, sr3,...], axis=1) 多個(gè)Series組合成多行多列，結(jié)果是一個(gè)DataFrame，索引取并集，沒有交集的位置填入缺省值NaN

df1.combine_first(df2) 用df2的數(shù)據(jù)補(bǔ)充df1的缺省值NaN，如果df2有更多行，也一并補(bǔ)上

df.stack() 列旋轉(zhuǎn)成行，也就是列名變?yōu)樗饕?，原索引變成多層索引，結(jié)果是具有多層索引的Series，實(shí)際上是把數(shù)據(jù)集拉長(zhǎng)

df.unstack() 將含有多層索引的Series轉(zhuǎn)換為DataFrame，實(shí)際上是把數(shù)據(jù)集壓扁，如果某一列具有較少類別，那么把這些類別拉出來作為列
df.pivot() 實(shí)際上是unstack的應(yīng)用，把數(shù)據(jù)集壓扁

pd.get_dummies(df['col1'], prefix='key') 某列含有有限個(gè)值，且這些值一般是字符串，例如國(guó)家，借鑒位圖的思想，可以把k個(gè)國(guó)家這一列量化成k列，每列用0、1表示

4 數(shù)據(jù)篩選

df.columns 列名，返回Index類型的列的集合
df.index 索引名，返回Index類型的索引的集合
df.shape 返回tuple，行x列
df.head(n=N) 返回前N條
df.tail(n=M) 返回后M條
df.values 值的二維數(shù)組，以numpy.ndarray對(duì)象返回
df.index DataFrame的索引，索引不可以直接賦值修改
df.reindex(index=['row1', 'row2',...]
columns=['col1', 'col2',...]) 根據(jù)新索引重新排序
df[m:n] 切片，選取m~n-1行
df[df['col1'] > 1] 選取滿足條件的行
df.query('col1 > 1') 選取滿足條件的行
df.query('col1==[v1,v2,...]')
df.ix[:,'col1'] 選取某一列
df.ix['row1', 'col2'] 選取某一元素
df.ix[:,:'col2'] 切片選取某一列之前（包括col2）的所有列
df.loc[m:n] 獲取從m~n行（推薦）
df.iloc[m:n] 獲取從m~n-1行
df.loc[m:n-1,'col1':'coln'] 獲取從m~n行的col1~coln列

sr=df['col'] 取某一列，返回Series
sr.values Series的值，以numpy.ndarray對(duì)象返回
sr.index Series的索引，以index對(duì)象返回

5 數(shù)據(jù)運(yùn)算與排序

df.T DataFrame轉(zhuǎn)置
df1 + df2 按照索引和列相加，得到并集，NaN填充
df1.add(df2, fill_value=0) 用其他值填充
df1.add/sub//mul/div 四則運(yùn)算的方法
df - sr DataFrame的所有行同時(shí)減去Series
df * N 所有元素乘以N
df.add(sr, axis=0) DataFrame的所有列同時(shí)減去Series

sr.order() Series升序排列
df.sort_index(aixs=0, ascending=True) 按行索引升序
df.sort_index(by=['col1', 'col2'...]) 按指定列優(yōu)先排序
df.rank() 計(jì)算排名rank值

6 數(shù)學(xué)統(tǒng)計(jì)

sr.unique Series去重
sr.value_counts() Series統(tǒng)計(jì)頻率，并從大到小排序，DataFrame沒有這個(gè)方法
sr.describe() 返回基本統(tǒng)計(jì)量和分位數(shù)

df.describe() 按各列返回基本統(tǒng)計(jì)量和分位數(shù)
df.count() 求非NA值得數(shù)量
df.max() 求最大值
df.min() 求最大值
df.sum(axis=0) 按各列求和
df.mean() 按各列求平均值
df.median() 求中位數(shù)
df.var() 求方差
df.std() 求標(biāo)準(zhǔn)差
df.mad() 根據(jù)平均值計(jì)算平均絕對(duì)利差
df.cumsum() 求累計(jì)和
sr1.corr(sr2) 求相關(guān)系數(shù)
df.cov() 求協(xié)方差矩陣
df1.corrwith(df2) 求相關(guān)系數(shù)

pd.cut(array1, bins) 求一維數(shù)據(jù)的區(qū)間分布
pd.qcut(array1, 4) 按指定分位數(shù)進(jìn)行區(qū)間劃分，4可以替換成自定義的分位數(shù)列表

df['col1'].groupby(df['col2']) 列1按照列2分組，即列2作為key
df.groupby('col1') DataFrame按照列1分組
grouped.aggreagte(func) 分組后根據(jù)傳入函數(shù)來聚合
grouped.aggregate([f1, f2,...]) 根據(jù)多個(gè)函數(shù)聚合，表現(xiàn)成多列，函數(shù)名為列名
grouped.aggregate([('f1_name', f1), ('f2_name', f2)]) 重命名聚合后的列名
grouped.aggregate({'col1':f1, 'col2':f2,...}) 對(duì)不同的列應(yīng)用不同函數(shù)的聚合，函數(shù)也可以是多個(gè)

df.pivot_table(['col1', 'col2'],
rows=['row1', 'row2'],
aggfunc=[np.mean, np.sum]
fill_value=0,
margins=True) 根據(jù)row1, row2對(duì)col1， col2做分組聚合，聚合方法可以指定多種，并用指定值替換缺省值

pd.crosstab(df['col1'], df['col2']) 交叉表，計(jì)算分組的頻率

總結(jié)

以上就是本文關(guān)于Python pandas常用函數(shù)詳解的全部?jī)?nèi)容，希望對(duì)大家有所幫助。感興趣的朋友可以繼續(xù)參閱本站其他相關(guān)專題，如有不足之處，歡迎留言指出。感謝朋友們對(duì)本站的支持！