基礎知識在數據分析中就像是九陽神功，熟練的掌握，加以運用，就可以練就深厚的內力，成為絕頂高手自然不在話下！

為了更好地學習數據分析，我對于數據分析中pandas這一模塊里面常用的函數進行了總結。整篇總結，在詳盡且通俗易懂的基礎上，我力求使其有很強的條理性和邏輯性，所以制作了思維導圖，對于每一個值得深究的函數用法，我也會附上官方鏈接，方便大家繼續深入學習。

文章中的所有代碼都會有講解和注釋，絕大部分也都會配有運行結果，這樣的話，整篇總結篇幅量自然不小，所以我分成了上下兩篇，這里是上篇，下篇在次條。

1. 導入模塊

import pandas as pd # 這里用到的是pandas和numpy兩個模塊

import numpy as np

2. 創建數據集并讀取

2.1 創建數據集

我構造了一個超市購物的數據集，該數據集屬性包括：訂單ID號（id）、訂單日期（date）、消費金額（money）、訂單商品（product）、商品類別（department）、商品產地（origin）。

# 列表和字典均可傳入DataFrame，我這里用的是字典傳入：

data=pd.DataFrame({

"id":np.arange(101,111), # np.arange會自動輸出范圍內的數據，這里會輸出101~110的id號。

"date":pd.date_range(start="20200310",periods=10), # 輸出日期數據，設置周期為10，注意這里的周期數應該與數據條數相等。

"money":[5,4,65,-10,15,20,35,16,6,20], # 設置一個-10的坑，下面會填（好慘，自己給自己挖坑，幸虧不準備跳~）

"product":['蘇打水','可樂','牛肉干','老干媽','菠蘿','冰激凌','洗面奶','洋蔥','牙膏','薯片'],

"department":['飲料','飲料','零食','調味品','水果',np.nan,'日用品','蔬菜','日用品','零食'], # 再設置一個空值的坑

"origin":['China',' China','America','China','Thailand','China','america','China','China','Japan'] # 再再設置一個america的坑

})

data # 輸出查看數據集

輸出結果：

2.2 數據寫入和讀取

data.to_csv("shopping.csv",index=False) # index=False表示不加索引，否則會多一行索引

data=pd.read_csv("shopping.csv")

3. 數據查看

3.1 數據集基礎信息查詢

data.shape # 行數列數

data.dtypes # 所有列的數據類型

data['id'].dtype # 某一列的數據類型

data.ndim # 數據維度

data.index # 行索引

data.columns # 列索引

data.values # 對象值

3.2 數據集整體情況查詢

data.head() # 顯示頭部幾行（默認5行）

data.tail() # 顯示末尾幾行（默認5行）

data.info() # 數據集相關信息概覽：索引情況、列數據類型、非空值、內存使用情況

data.describe() # 快速綜合統計結果

4. 數據清洗

4.1 查看異常值

當然，現在這個數據集很小，可以直觀地發現異常值，但是在數據集很大的時候，我用下面這種方式查看數據集中是否存在異常值，如果有其他更好的方法，歡迎傳授給我。

for i in data:

print(i+": "+str(data[i].unique())) # 查看某一列的唯一值

輸出結果：我們發現，該數據集中money存在一個負值，department存在一個空值以及origin存在大小寫問題。

4.2 空值處理

4.2.1 空值檢測

data.isnull()# 查看整個數據集的空值data['department'].isnull()# 查看某一列的空值

data.isnull() # 查看整個數據集的空值

data['department'].isnull() # 查看某一列的空值

輸出結果：

將空值判斷進行匯總，更加直觀，ascending默認為True，升序。

data.isnull().sum().sort_values(ascending=False)

輸出結果：

4.2.2 空值處理

pandas.DataFrame.fillna（value = None，method = None，inplace = False）

value：用于填充的值，可以是具體值、字典和數組，不能是列表；

method：填充方法，有 ffill 和 bfill 等；

inplace默認無False，如果為True，則將修改此對象上的所有其他視圖。

data['department'].fillna(method="ffill") # 填充上一個值，即填充“水果”

輸出結果：

data['department'].fillna(method="bfill") # 填充下一個值，即填充“日用品”

data['department'].fillna(value="冷凍食品",inplace=True) # 替換為具體值，并且在原對象值上進行修改

輸出結果：

4.3 空格處理

只針對object類型數據

for i in data: # 遍歷數據集中的每一列

if pd.api.types.is_object_dtype(data[i]): # 如果是object類型的數據，則執行下方代碼

data[i]=data[i].str.strip() # 去除空格

data['origin'].unique() # 驗證一下

輸出結果：array([‘China’, ‘America’, ‘Thailand’, ‘america’, ‘Japan’], dtype=object)

4.4 大小寫轉換

data['origin'].str.title() # 將首字母大寫

data['origin'].str.capitalize() # 將首字母大寫

data['origin'].str.upper() # 全部大寫

data['origin'].str.lower() # 全部小寫

4.5 數據替換

data['origin'].replace("america","America",inplace=True) # 將第一個值替換為第二個值，inplace默認為False

data['origin']

輸出結果：

data['money'].replace(-10,np.nan,inplace=True) # 將負值替換為空值

data['money'].replace(np.nan,data['money'].mean(),inplace=True) # 將空值替換為均值

data['money']

輸出結果：

4.6 數據刪除

方法一

data1 = data[data.origin != 'American'] #去掉origin為American的行

data1

data2=data[(data != 'Japan').all(1)] #去掉所有包含Japan的行 不等于Japan的行為真，則返回

data2

方法二

data['origin'].drop_duplicates() # 默認刪除后面出現的重復值，即保留第一次出現的重復值

輸出結果：

data['origin'].drop_duplicates(keep='last') # 刪除前面出現的重復值，即保留最后一次出現的重復值

輸出結果：

更多關于pandas.DataFrame.drop_duplicates的用法，戳下面官方鏈接：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.drop_duplicates.html#pandas.DataFrame.drop_duplicates

4.7 數據格式轉換

data['id'].astype('str') # 將id列的類型轉換為字符串類型。

常見的數據類型對照

4.8 更改列名稱

data.rename(columns={'id':'ID', 'origin':'產地'}) # 將id列改為ID，將origin改為產地。

輸出結果：

總結

以上是生活随笔為你收集整理的python数据处理常用函数_pandas数据分析常用函数总结大全：上篇的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。