Pandas 是一个 Python 软件库，它提供了大量能使我们快速便捷地处理数据的函数和方法。一般而言，Pandas 是使 Python 成为强大而高效的数据分析环境的重要因素之一。在本文中，作者从基本数据集读写、数据处理和 DataFrame 操作三个角度展示了 23 个 Pandas 核心方法。

 

Pandas 是基于 NumPy 构建的库，在数据处理方面可以把它理解为 NumPy 加强版，同时 Pandas 也是一项开源项目。它基于 Cython，因此读取与处理数据非常快，并且还能轻松处理浮点数据中的缺失数据（表示为 NaN）以及非浮点数据。在本文中，基本数据集操作主要介绍了 CSV 与 Excel 的读写方法，基本数据处理主要介绍了缺失值及特征抽取，最后的 DataFrame 操作则主要介绍了函数和排序等方法。

基本数据集操作

 

（1）读取 CSV 格式的数据集

 

pd.DataFrame.from_csv(“csv_file”)

 

或者：

 

pd.read_csv(“csv_file”)

 

（2）读取 Excel 数据集

 

pd.read_excel("excel_file")

 

（3）将 DataFrame 直接写入 CSV 文件

 

如下采用逗号作为分隔符，且不带索引：

 

df.to_csv("data.csv", sep=",", index=False)

 

（4）基本的数据集特征信息

 

df.info()

 

（5）基本的数据集统计信息

 

print(df.describe())

 

(6) Print data frame in a table

 

将 DataFrame 输出到一张表：

 

print(tabulate(print_table, headers=headers))

 

当「print_table」是一个列表，其中列表元素还是新的列表，「headers」为表头字符串组成的列表。

 

（7）列出所有列的名字

 

df.columns

 

基本数据处理

 

（8）删除缺失数据

 

df.dropna(axis=0, how='any')

 

返回一个 DataFrame，其中删除了包含任何 NaN 值的给定轴，选择 how=「all」会删除所有元素都是 NaN 的给定轴。

 

（9）替换缺失数据

 

df.replace(to_replace=None, value=None)

 

使用 value 值代替 DataFrame 中的 to_replace 值，其中 value 和 to_replace 都需要我们赋予不同的值。

 

（10）检查空值 NaN

 

pd.isnull(object)

 

检查缺失值，即数值数组中的 NaN 和目标数组中的 None/NaN。

 

（11）删除特征

 

df.drop('feature_variable_name', axis=1)

 

axis 选择 0 表示行，选择表示列。

 

（12）将目标类型转换为浮点型

 

pd.to_numeric(df["feature_name"], errors='coerce')

 

将目标类型转化为数值从而进一步执行计算，在这个案例中为字符串。

 

（13）将 DataFrame 转换为 NumPy 数组

 

df.as_matrix()

 

（14）取 DataFrame 的前面「n」行

 

df.head(n)

 

（15）通过特征名取数据

 

df.loc[feature_name]

 

DataFrame 操作

 

（16）对 DataFrame 使用函数

 

该函数将令 DataFrame 中「height」行的所有值乘上 2：

 

df["height"].apply(*lambda* height: 2 * height)

 

或：

 

def multiply(x):

 return x * 2

df["height"].apply(multiply)

 

（17）重命名行

 

下面代码会重命名 DataFrame 的第三行为「size」：

 

df.rename(columns = {df.columns[2]:'size'}, inplace=True)

 

（18）取某一行的唯一实体

 

下面代码将取「name」行的唯一实体：

 

df["name"].unique()

 

（19）访问子 DataFrame

 

以下代码将从 DataFrame 中抽取选定了的行「name」和「size」：

 

new_df = df[["name", "size"]]

 

（20）总结数据信息

 

# Sum of values in a data frame
df.sum()
# Lowest value of a data frame
df.min()
# Highest value
df.max()
# Index of the lowest value
df.idxmin()
# Index of the highest value
df.idxmax()
# Statistical summary of the data frame, with quartiles, median, etc.
df.describe()
# Average values
df.mean()
# Median values
df.median()
# Correlation between columns
df.corr()
# To get these values for only one column, just select it like this#
df["size"].median()

 

（21）给数据排序

 

df.sort_values(ascending = False)

 

（22）布尔型索引

 

以下代码将过滤名为「size」的行，并仅显示值等于 5 的行：

 

df[df["size"] == 5]

 

（23）选定特定的值

 

以下代码将选定「size」列、第一行的值：

df.loc([0], ['size'])