一、基本操作0. 導(dǎo)入模塊import pandas as pd1. 新建DataFrame下面的例子中，我們新建一個有3條記錄2列屬性的表格。3 條記錄分別是Tom，Bob，Alice的個人信息，2列屬性分別是name和age。

新建屬性列的語法形如df['XX']= List，屬性名為XX，屬性值是List。例如，新建屬性列age的語法df['age']=[20,28,22]，屬性名為age，三條記錄的數(shù)值為[20,28,22]。df = pd.DataFrame()

df['name']=['Tom','Bob','Alice']

df['age']=[20,28,22]

2. 查看DataFrame查看前n行。當DataFrame有海量記錄的時候，我們可以只查看前n行來了解屬性結(jié)構(gòu)，以及數(shù)據(jù)的大致內(nèi)容。

查看前n行語法df.head(n)。例如，df.head(1)查看第1行記錄。df.head(1)

Screen Shot 2020-05-11 at 4.18.18 PM.png查看總行數(shù)，總列數(shù)。語法是df.shape，它返回(#rows，#cols)的元組。

也可以單獨取出總行數(shù)df.shape[0]和總列數(shù)df.shape[1]。df.shape #(3, 2)DataFrame轉(zhuǎn)Array。如果對數(shù)組操作更熟悉，那么可以繞開DataFrame操作的語法，用語法df.values把DataFrame直接轉(zhuǎn)成2D數(shù)組來處理。df.values

Screen Shot 2020-05-11 at 4.25.48 PM.png3. 讀寫文件to_csv函數(shù)把DataFrame存到CSV文件中。

pd.read_csv函數(shù)把CSV文件內(nèi)容讀取到DataFrame中。df.to_csv('test2.csv')

df = pd.read_csv('test.csv')

三、DataFrame增刪改查1. 添加行/列下面例子中，新增了一個height列，新增了一條Lily的記錄。

新增一列的語法形如df['XX']=List，屬性名XX，屬性值為List。例如，語法df['height']=[1.75,1.80,1.68]，新增列名height，數(shù)值分別為[1.75,1.80,1.68]。

新增一行用append函數(shù)，參數(shù)是Dict類型的一條記錄，key是屬性列名，value是屬性值。df['height']=[1.75,1.80,1.68]

df = df.append({'name':'Lily','age':24,'height':1.65}, ignore_index=True)

2. 刪除行/列下面的例子中，我們刪除了height列，刪除了一條Tom的記錄。

刪除行和刪除列使用的函數(shù)是一樣的，都使用drop函數(shù)。

刪除行語法drop(0, inplace=True)，參數(shù)是記錄的index 0。

刪除列的語法drop('height', axis=1, inplace=True)，參數(shù)是屬性名height。df.drop(0, inplace=True)

df.drop('height', axis=1, inplace=True)

3. 更新單個Cell/多個Cell更新單個cell的語法形如df.at[index,'XX']=value 。

例如：語法df.at[0,'name']='David'表示把0行name列的值修改成David。df = pd.DataFrame()

df['name']=['Tom','Bob','Alice']

df['age']=[20,28,22]

df.at[0,'name']='David'

更新多個cell的語法形如df.loc[df['XX']=condition, 'XX']=value。它的操作分兩步，第一步先用df.loc函數(shù)找到符合條件df['XX']=condition的記錄，第二步修改這些記錄的屬性值。

例如，語法df.loc[df['name'].str.contains('o'),'name']表示找到name屬性包含字符'o'的記錄，然后把這些記錄的name值換成Testing。

例子中，Tom和Bob由于包含字符'o'，因此都被替換成了Testing。df = pd.DataFrame()

df['name']=['Tom','Bob','Alice']

df['age']=[20,28,22]

df.loc[df['name'].str.contains('o'),'name'] = 'Testing' #多個cell

4. 查詢記錄查詢記錄的語法形如df[df['XX'] = condition]。

例如，語法df[df['age']<25]表示查詢所有age列的值小于25的記錄。

例子中，Tom年齡20<25，Alice年齡22<25，因而被查詢到。df = pd.DataFrame()

df['name']=['Tom','Bob','Alice']

df['age']=[20,28,22]

df[df['age']<25]

四、高級操作1. Group操作下面的例子是一張成績單，內(nèi)容是三個人Tom，Bob，Alice的成績，每人兩科成績：English成績，Chinese成績，因此共3*2=6條記錄。

計算每個人的平均成績。分兩步完成這個任務(wù)：

1). 把記錄按照name分組，語法是df.groupby('name')。

2). 組內(nèi)計算成績平均值，語法是df.groupby('name').mean()。

例子中，Tom的英文/語文成績分別是70，100，因此均值是85。其它人計算同理。df = pd.DataFrame()

df['name']=['Tom','Tom','Bob','Bob','Alice','Alice']

df['course']=['English','Chinese','Chinese','English','English','Chinese']

df['score']=[70,100,99,95,85,90]

df.groupby('name').mean()

https://www.jianshu.com/p/e53c5b54d3e1

總結(jié)

以上是生活随笔為你收集整理的python数据处理模块pandas_13. Python｜模块总结：Pandas（数据处理）｜【老W笔记】...的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。