【Pandas】Pandas实战

原文：https://www.datacamp.com/community/blog/python-pandas-cheat-sheet

参考文档：http://pandas.pydata.org/pandas-docs/stable/contributing.html

        Python数据分析库Pandas基础知识快速指南，包括代码示例。

        Pandas库是为数据科学家最喜欢的工具进行数据处理和分析。

        快速，灵活和富有表现力的Pandas数据结构旨在使真实世界的数据分析变得更加容易，但对于刚开始使用它的人来说，这可能不会立即发生。正是因为这个软件包内置了如此多的功能，所以这些选项非常令人难以置信。

        这是Pandas基础知识的快速指南，您将需要开始使用Python来处理数据。 

        因此，如果您刚刚开始与Pandas一起开展数据科学旅程，或者对于那些尚未开始的人员，您可以将其作为指导使其更易于学习关于并使用它。

        本文将指导您完成Pandas库的基础知识，从数据结构到I / O，选择，删除索引或列，排序和排序，检索您正在使用的数据结构的基本信息以应用功能和数据对齐。

使用以下导入Pandas库：

>>> import pandas as pd

Pandas数据结构

Series

一维标签阵列，可以保存任何数据类型
>>> s = pd.Series([3, -5, 7, 4],  index=['a',  'b',  'c',  'd'])

数据帧(DataFrame)

具有可能不同类型列的二维标签数据结构
>>> data = {'Country': ['Belgium',  'India',  'Brazil'],
'Capital': ['Brussels',  'New Delhi',  'Brasilia'],
'Population': [11190846, 1303171035, 207847528]}

>>> df = pd.DataFrame(data,columns=['Country',  'Capital',  'Population'])

请注意，第一列1，2，3是索引和国家，首都，人口是列。

寻求帮助

>>> help(pd.Series.loc)

I / O

读取和写入CSV

>>> pd.read_csv('file.csv', header=None, nrows=5)
>>> pd.to_csv('myDataFrame.csv')

从同一个文件中读取多张表

>>> xlsx = pd.ExcelFile('file.xls')
>>> df = pd.read_excel(xlsx,  'Sheet1')

读取和写入Excel

>>> pd.read_excel('file.xlsx')
>>> pd.to_excel('dir/myDataFrame.xlsx',  sheet_name='Sheet1')

读取和写入SQL查询或数据库表

（read_sql（）是read_sql_table（）和read_sql_query（）的便捷包装）
>>> from sqlalchemy import create_engine
>>> engine = create_engine('sqlite:///:memory:')
>>> pd.read_sql(SELECT * FROM my_table;, engine)
>>> pd.read_sql_table('my_table', engine)
>>> pd.read_sql_query(SELECT * FROM my_table;', engine)
>>> pd.to_sql('myDf', engine)

选择

获取

获取一个元素

>>> s['b']
-5

获取DataFrame的子集

>>> df[1:]
Country     Capital   Population
1  India    New Delhi 1303171035
2  Brazil   Brasilia  207847528

选择布尔索引和设置

按位置

按行和列选择单个值
>>> df.iloc([0], [0])
'Belgium'
>>> df.iat([0], [0])
'Belgium'

按标签

按行和列标签选择单个值
>>> df.loc([0],  ['Country'])
'Belgium'
>>> df.at([0],  ['Country'])
'Belgium'

按标签/位置

选择单行的子集
>>> df.ix[2]
Country      Brazil
Capital    Brasilia
Population  207847528

选择一列列的子集

>>> df.ix[:, 'Capital']
0     Brussels
1    New Delhi
2     Brasilia

选择行和列

>>> df.ix[1, 'Capital']
'New Delhi'

布尔索引

系列s，其值不大于1
>>> s[~(s > 1)]

s值在<-1或> 2时

>>> s[(s < -1) | (s > 2)]

使用过滤器来调整DataFrame

>>> df[df['Population']>1200000000]

设置

将系列s的索引a设置为6
>>> s['a'] = 6

删除

从行中删除值（axis = 0）
>>> s.drop(['a',  'c'])

从列中删除值（axis = 1）

>>> df.drop('Country', axis=1) 

排序和排名

按轴标签排序
>>> df.sort_index()

按轴排序值

>>> df.sort_values(by='Country') 

将条目分配给条目

>>> df.rank()

检索系列/数据帧信息

基本信息

（行，列）
>>> df.shape

描述索引

>>> df.index

描述DataFrame列

>>> df.columns

DataFrame上的信息

>>> df.info()

非NA值的数量

>>> df.count()

概要

值的总和
>>> df.sum()

累积的价值总和

>>> df.cumsum()

最小值/最大值

>>> df.min()/df.max()

最小/最大索引值

>>> df.idxmin()/df.idxmax() 

汇总统计

>>> df.describe()

价值的平均值

>>> df.mean()

值的中间值

>>> df.median()

应用功能

>>> f = lambda x: x*2

应用功能

>>> df.apply(f)

应用功能元素明智

>>> df.applymap(f)

内部数据对齐

NA值在不重叠的指数中引入：
>>> s3 = pd.Series([7, -2, 3],  index=['a',  'c',  'd'])
>>> s + s3
a     10.0
b     NaN
c     5.0
d     7.0

使用填充方法的算术运算

您也可以在填充方法的帮助下自行完成内部数据对齐操作：
>>> s.add(s3, fill_value=0)
a    10.0
b    -5.0
c    5.0
d    7.0
>>> s.sub(s3, fill_value=2)
>>> s.div(s3, fill_value=4)
>>> s.mul(s3, fill_value=3)数据结构