python 数据处理（以Pandas为主）

读取数据

import pandas as pd
df = pd.read_csv('目标csv文件所在的绝对路径或者相对路径')   //其他的读取语法类似，df是自取的名字，pd.read_csv()就是把目标csv文件转换为dataframe格式。

添加、修改数据

①添加数据

import pandas as pd
from numpy import nan as NaN

df1 = pd.DataFrame([['Snow','M',22],['Tyrion','M',32],['Sansa','F',18],['Arya','F',14]], columns=['name','gender','age'])

print("----------在最后新增一列---------------")
print("-------案例1----------")
# 在数据框最后加上score一列，元素值分别为：80，98，67，90
df1['score']=[80,98,67,90]   # 增加列的元素个数要跟原数据列的个数一样

print("-------案例2----------")
print("---------在指定位置新增列:用insert（）--------")
# 在gender后面加一列城市
# 在具体某个位置插入一列可以用insert的方法
# 语法格式：列表.insert(index, obj)
# index --->对象 obj 需要插入的索引位置。
# obj ---> 要插入列表中的对象（列名）

col_name=df1.columns.tolist()                   # 将数据框的列名全部提取出来存放在列表里
col_name.insert(2,'city')                      # 在列索引为2的位置插入一列,列名为:city，刚插入时不会有值，整列都是NaN
col_name.insert(col_name.index('age'),'education')   # 在age列前面插入一列，列名叫education
df1=df1.reindex(columns=col_name)              # DataFrame.reindex() 对原行/列索引重新构建索引值

df1['city'] = ['北京','山西','湖北','澳门']   # 给city列赋值
df1['education'] =['小学','初中','高中','大学'] 

print("----------新增行---------------")
# 重要！！先创建一个DataFrame，用来增加进数据框的最后一行
new_col=pd.DataFrame({'name':'lisa',
                  'gender':'F',
                  'city':'广州',
                  'education':'幼儿园',
                  'age':5,
                  'score':100},
                 index=[1])   # 自定义索引为：1 ，这里也可以不设置index

print("-------在原数据框df1最后一行新增一行，用append方法------------")
df1=df1.append(new_col,ignore_index=True)   # ignore_index=True,表示不按原来的索引，从0开始自动递增

②修改dataframe的列名字

df1.rename(columns={'score':'mark'},inplace=True)

③将某一列数据转换为自己想要表达的字段

city_mapping = {
            "北京": "Beijing",
            "山西": "ShanXi",
            "湖北": "HuBi",
            "澳门": "AoMen",
            "广州": "GuangZhou"}
df1['city'] = df1['city'].map(city_mapping)

④填充空值

看情况，如果不想过滤（删除）某些数据，我们可以选择使用fillna()方法填充空值，这里，我使用数值’0’替代NaN,来填充DataFrame。具体填充什么视情况而定，一般填充空值的用0或者该列的平均值来填充的用法比较多。
①先给原先的df1添加两行数据，数据里含有空值

#print("----------新增行---------------")
new = pd.DataFrame({'name':'lisi',
                 'gender':'M',
                 'city':'Beijing',
                 'education':'初中',
                 'age':12,
                 'mark':NaN},
                index=[1])  

#print("-------在原数据框df1最后一行新增一行，用append方法------------")
df1 = df1.append(new,ignore_index=True)   # ignore_index=True,表示不按原来的索引，从0开始自动递增

#print("----------新增行---------------")
new1 = pd.DataFrame({'name':'lisi',
                 'gender':'M',
                 'city':'Beijing',
                 'education':'初中',
                 'age':12,
                 'mark':NaN},
                index=[1])  

df1 = df1.append(new1,ignore_index=True)   # ignore_index=True,表示不按原来的索引，从0开始自动递增

②填充空值

df1 = df1.fillna(0.0)

删除数据

①删除指定一行的数据

df1 = df1.drop(2,axis=0,inplace=False)               #删除第3行

②删除指定一列的数据

df1 = df1.drop('education',axis=1,inplace=False)    #删除education这一列

③删除具有空值的数据

df1.dropna(subset=['mark'],how='all',inplace=True)  #删除mark列中具有空值那些行

③删除具有重复值的数据

#找出"age"存在重复的数据
df1[df1.duplicated(subset=["age"], keep='first')]

#删除“成绩”存在重复的数据
df1 = df1.drop_duplicates(subset=["age"], keep='first', inplace=False)

合并数据

①按列合并数据

②按行合并

转换数据格式（转换某一列的类型）

有时候，需要自己调整数据表中某一列的数据类型，有可能是int转float，也有可能是字符串转时间类型。具体需要转什么类型，是情况而定，在这里我就介绍两个比较常用的案例。

①int转float

②str转datetime

查看数据

①查看dataframe中关于数值型数据的描述

df_name.describe()

结果的索引将包括计数，平均值，标准差，最小值，最大值以及较低的百分位数和50。默认情况下，较低的百分位数为25，较高的百分位数为75。50百分位数与中位数相同。

②查看dataframe的属性描述，dataframe有多少行，各列数据的属性，占的内存是多少等

name.info()

③初略的显示dataframe前几行

有时候dataframe的行数太大，显示全部需要非常多的时间，一般显示前几行就够了。

name.head(x)  # 不输入x则表示默认显示前5行

④统计某一个列中各个值出现的次数:value_counts

⑤快速了解dataframe有几行几列

保存数据

将最终的处理好的dataframe转换为文件形式保存。这里我介绍两个个常用的形式

①dataframe转csv

# header是否保存列名   encoding设置以何种格式保存，不设置则默认为utf-8格式，index设置是否保存索引
dataframe_name.to_csv("路径＋名字",header=True, encoding=None,index=False)

②dataframe转json(转的类型有点多，我贴个链接，大家有兴趣的可以去了解一下)

https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.to_json.html

如果各位路过朋友觉得对自己有帮助的话，麻烦关注一下小编或者点个赞再走哦~