Pythonpandas常见函数

见贤思齐

Pandas库基本概念读取数据数据处理数据输出其他常用功能pipinstallpandas1基本概念数据结构Series:一维数据结构importpandasaspddata=pd.Series([10,20,30,40],index=['a','b','c','d'])print(data)123DataFrame:二维数据结构data={'Name':['Alice','Bob','Charlie'],'Age':[25,30,35]}df=pd.DataFrame(data)print(df)123456读取数据从CSV文件读取数据df=pd.read_csv('file.csv')print(df.head())12从Excel文件读取数据df=pd.read_excel('file.xlsx',sheet_name='Sheet1')print(df.head())12从SQL查询读取数据importsqlite3conn=sqlite3.connect('database.db')df=pd.read_sql_query('SELECT*FROMtable',conn)print(df.head())1234数据处理查看数据查看前5行print(df.head())1查看后5行print(df.tail())1查看数据的简要信息print(df.info())1查看数据的统计摘要print(df.describe())1选择和过滤数据按列选择print(df['Name'])1按行选择print(df.loc[0])#按标签print(df.iloc[0])#按位置12条件过滤filtered_df=df[df['Age']>30]print(filtered_df)12数据清洗处理缺失值df=df.dropna()#删除含缺失值的行df=df.fillna(0)#将缺失值填充为012去重df=df.drop_duplicates()1数据类型转换df['Age']=df['Age'].astype(float)1数据操作添加列df['Country']='USA'1删除列df=df.drop('Country',axis=1)1重命名列df=df.rename(columns={'Name':'FullName'})1数据聚合按组聚合grouped_df=df.groupby('Country').agg({'Age':'mean'})print(grouped_df)12合并数据df1=pd.DataFrame({'ID':[1,2],'Value':['A','B']})df2=pd.DataFrame({'ID':[1,2],'Score':[85,90]})merged_df=pd.merge(df1,df2,on='ID')print(merged_df)1234拼接数据df1=pd.DataFrame({'Name':['Alice','Bob']})df2=pd.DataFrame({'Name':['Charlie','David']})concatenated_df=pd.concat([df1,df2],ignore_index=True)print(concatenated_df)1234数据排序按列排序sorted_df=df.sort_values(by='Age')print(sorted_df)12排序方向sorted_df=df.sort_values(by='Age',ascending=False)print(sorted_df)12数据输出保存为CSV文件df.to_csv('output.csv',index=False)1保存为Excel文件df.to_excel('output.xlsx',index=False)1其他常用功能透视表pivot_table=pd.pivot_table(df,values='Age',index='Country',aggfunc='mean')print(pivot_table)12时间序列日期时间转换df['Date']=pd.to_datetime(df['Date'])1设置时间索引df=df.set_index('Date')1