【Python】精选23个Pandas常用函数

公众号：尤而小屋
作者：Peter
编辑：Peter

从26个字母中精选出23个Pandas常用的函数，将它们的使用方法介绍给大家。其中o、y、z没有相应的函数。

import pandas as pd
import numpy as np

下面介绍每个函数的使用方法，更多详细的内容请移步官网：https://pandas.pydata.org/docs/reference/general_functions.html

assign函数

df = pd.DataFrame({
    'temp_c': [17.0, 25.0]},
    index=['Portland', 'Berkeley'])
df

	temp_c
Portland	17.0
Berkeley	25.0

# 生成新的字段

df.assign(temp_f=df['temp_c'] * 9 / 5 + 32)

	temp_c	temp_f
Portland	17.0	62.6
Berkeley	25.0	77.0

df  # 原来DataFrame是不改变的

	temp_c
Portland	17.0
Berkeley	25.0

如果是通过下面的方式来生成新的字段，那么原来的数据则会改变：

df["temp_f1"] = df["temp_c"] * 9 / 5 + 32
df

	temp_c	temp_f1
Portland	17.0	62.6
Berkeley	25.0	77.0

df

	temp_c	temp_f1
Portland	17.0	62.6
Berkeley	25.0	77.0

bool函数

返回单个Series或者DataFrame中单个元素的bool值：True或者False

pd.Series([True]).bool()

True

pd.Series([False]).bool()

False

pd.DataFrame({'col': [True]}).bool()

True

pd.DataFrame({'col': [False]}).bool()

False

# # 多个元素引发报错

# pd.DataFrame({'col': [True,False]}).bool()

concat函数

该函数是用来表示多个DataFrame的拼接，横向或者纵向皆可。

df1 = pd.DataFrame({
    "sid":["s1","s2"],
    "name":["xiaoming","Mike"]})
df1

	sid	name
0	s1	xiaoming
1	s2	Mike

df2 = pd.DataFrame({
    "sid":["s3","s4"],
    "name":["Tom","Peter"]})
df2

	sid	name
0	s3	Tom
1	s4	Peter

df3 = pd.DataFrame({
    "address":["北京","深圳"],             
    "sex":["Male","Female"]})
df3

	address	sex
0	北京	Male
1	深圳	Female

# 使用1：纵向
pd.concat([df1,df2])

	sid	name
0	s1	xiaoming
1	s2	Mike
0	s3	Tom
1	s4	Peter

# 使用2：横向
pd.concat([df1,df3],axis=1)

	sid	name	address	sex
0	s1	xiaoming	北京	Male
1	s2	Mike	深圳	Female

dropna函数

删除空值：可以对整个DataFrame删除，也可以指定某个属性来删除

df4 = pd.DataFrame({
    "sid":["s1","s2", np.nan],             
    "name":["xiaoming",np.nan, "Mike"]})
df4

	sid	name
0	s1	xiaoming
1	s2	NaN
2	NaN	Mike

df4.dropna()

	sid	name
0	s1	xiaoming

df4.dropna(subset=["name"])

	sid	name
0	s1	xiaoming
2	NaN	Mike

explode函数

爆炸函数的使用：将宽表转成长表。爆炸之后原数据是没有改变的

df5 = pd.DataFrame({
    "sid":["s1","s2"],       
    "phones":[["华为","小米","一加"],["三星","苹果"]]
                   })
df5

	sid	phones
0	s1	[华为, 小米, 一加]
1	s2	[三星, 苹果]

df5.explode("phones")

	sid	phones
0	s1	华为
0	s1	小米
0	s1	一加
1	s2	三星
1	s2	苹果

df5  # 原数据没有变

	sid	phones
0	s1	[华为, 小米, 一加]
1	s2	[三星, 苹果]

fillna函数

填充缺失值；可以整体填充，也可以对每个属性单独填充

df4

	sid	name
0	s1	xiaoming
1	s2	NaN
2	NaN	Mike

df4.fillna({"sid":"s3","name":"Peter"})

	sid	name
0	s1	xiaoming
1	s2	Peter
2	s3	Mike

groupby函数

同组统计的功能

图解Pandas的groupby机制

# 借用这个结果
df6 = df5.explode("phones")
df6

	sid	phones
0	s1	华为
0	s1	小米
0	s1	一加
1	s2	三星
1	s2	苹果

df6.groupby("sid")["phones"].count()

sid
s1    3
s2    2
Name: phones, dtype: int64

head函数

查看前几行的数据，默认是前5行

df7 = pd.DataFrame({
    "sid":list(range(10)),                
    "name":list(range(80,100,2))})
df7

	sid	name
0	0	80
1	1	82
2	2	84
3	3	86
4	4	88
5	5	90
6	6	92
7	7	94
8	8	96
9	9	98

df7.head()   # 默认前5行

	sid	name
0	0	80
1	1	82
2	2	84
3	3	86
4	4	88

df7.head(3)  # 指定前3行

	sid	name
0	0	80
1	1	82
2	2	84

isnull函数

判断是否存在缺失值，超级常用的函数

df4

	sid	name
0	s1	xiaoming
1	s2	NaN
2	NaN	Mike

df4.isnull()  # True表示缺失

	sid	name
0	False	False
1	False	True
2	True	False

df4.isnull().sum()  # 每个字段缺失的总和

sid     1
name    1
dtype: int64

df6.isnull().sum()   # 没有缺失值

sid       0
phones    0
dtype: int64

join函数

用于连接不同的DataFrame：图解Pandas数据合并：concat、join、append

df7 = pd.DataFrame({
    'key': ['K0', 'K1', 'K2', 'K3', 'K4', 'K5'],
    'A': ['A0', 'A1', 'A2', 'A3', 'A4', 'A5']})
df7

	key	A
0	K0	A0
1	K1	A1
2	K2	A2
3	K3	A3
4	K4	A4
5	K5	A5

df8 = pd.DataFrame({
    'key': ['K0', 'K1', 'K2'],
    'B': ['B0', 'B1', 'B2']})
df8

	key	B
0	K0	B0
1	K1	B1
2	K2	B2

df7.join(df8,lsuffix="_df7",rsuffix="_df8")

	key_df7	A	key_df8	B
0	K0	A0	K0	B0
1	K1	A1	K1	B1
2	K2	A2	K2	B2
3	K3	A3	NaN	NaN
4	K4	A4	NaN	NaN
5	K5	A5	NaN	NaN

kurt函数

查找数据的峰度值：从统计和数据角度出发，如何看待房价？

df9 = pd.DataFrame({
    "A":[12, 4, 5, 44, 1], 
    "B":[5, 2, 54, 3, 2], 
    "C":[20, 16, 7, 3, 8], 
    "D":[14, 3, 17, 2, 6]}) 
df9

	A	B	C	D
0	12	5	20	14
1	4	2	16	3
2	5	54	7	17
3	44	3	3	2
4	1	2	8	6

df9.kurt()

A    3.936824
B    4.941512
C   -1.745717
D   -2.508808
dtype: float64

loc函数

loc就是location的缩写，定位查找数据

df9

	A	B	C	D
0	12	5	20	14
1	4	2	16	3
2	5	54	7	17
3	44	3	3	2
4	1	2	8	6

df9.loc[1,:]  # 第一行全部列的数据

A     4
B     2
C    16
D     3
Name: 1, dtype: int64

df9.loc[1:3,"B"]  # 1到3行的B列

1     2
2    54
3     3
Name: B, dtype: int64

merge函数

同样也是数据的合并函数，类似SQL中的join，功能最为强大

df7

	key	A
0	K0	A0
1	K1	A1
2	K2	A2
3	K3	A3
4	K4	A4
5	K5	A5

df8

	key	B
0	K0	B0
1	K1	B1
2	K2	B2

pd.merge(df7,df8)  # 默认how的参数是inner

	key	A	B
0	K0	A0	B0
1	K1	A1	B1
2	K2	A2	B2

pd.merge(df7,df8,how="outer")

	key	A	B
0	K0	A0	B0
1	K1	A1	B1
2	K2	A2	B2
3	K3	A3	NaN
4	K4	A4	NaN
5	K5	A5	NaN

nunique函数

用于统计数据的唯一值

df10 = pd.DataFrame({
    "sid":list("acbdefg"),
    "score":[9,8,9,7,8,9,3]
                    })
df10

	sid	score
0	a	9
1	c	8
2	b	9
3	d	7
4	e	8
5	f	9
6	g	3

df10.nunique()

sid      7
score    4
dtype: int64

pct_change函数

计算当前时期和前一个时期的比值

s = pd.Series([90, 91, 85])
s

0    90
1    91
2    85
dtype: int64

s.pct_change()

0         NaN
1    0.011111
2   -0.065934
dtype: float64

(91 - 90) / 90

0.011111111111111112

(85 - 91) / 91

-0.06593406593406594

# 和前两个时期相比
s.pct_change(periods=2)

0         NaN
1         NaN
2   -0.055556
dtype: float64

# 如果存在空值，用填充方法
s = pd.Series([90, 91, None, 85])
s

0    90.0
1    91.0
2     NaN
3    85.0
dtype: float64

s.pct_change(fill_method='ffill')

0         NaN
1    0.011111
2    0.000000
3   -0.065934
dtype: float64

query函数

根据条件查询取值

df10

	sid	score
0	a	9
1	c	8
2	b	9
3	d	7
4	e	8
5	f	9
6	g	3

df10.query("score >= 8")

	sid	score
0	a	9
1	c	8
2	b	9
4	e	8
5	f	9

rank函数

进行排名的函数，类似SQL的窗口函数功能：

df10

	sid	score
0	a	9
1	c	8
2	b	9
3	d	7
4	e	8
5	f	9
6	g	3

df10["rank_10"] = df10["score"].rank()
df10

	sid	score	rank_10
0	a	9	6.0
1	c	8	3.5
2	b	9	6.0
3	d	7	2.0
4	e	8	3.5
5	f	9	6.0
6	g	3	1.0

df10["rank_10_max"] = df10["score"].rank(method="max")
df10

	sid	score	rank_10	rank_10_max
0	a	9	6.0	7.0
1	c	8	3.5	4.0
2	b	9	6.0	7.0
3	d	7	2.0	2.0
4	e	8	3.5	4.0
5	f	9	6.0	7.0
6	g	3	1.0	1.0

df10["rank_10_min"] = df10["score"].rank(method="min")
df10

	sid	score	rank_10	rank_10_max	rank_10_min
0	a	9	6.0	7.0	5.0
1	c	8	3.5	4.0	3.0
2	b	9	6.0	7.0	5.0
3	d	7	2.0	2.0	2.0
4	e	8	3.5	4.0	3.0
5	f	9	6.0	7.0	5.0
6	g	3	1.0	1.0	1.0

sort_values函数

根据数据进行排序的函数

df9

	A	B	C	D
0	12	5	20	14
1	4	2	16	3
2	5	54	7	17
3	44	3	3	2
4	1	2	8	6

df9.sort_values("A")  # 默认是升序排列

	A	B	C	D
4	1	2	8	6
1	4	2	16	3
2	5	54	7	17
0	12	5	20	14
3	44	3	3	2

# 先根据B升序，如果B相同，再根据D降序

df9.sort_values(["B","D"], ascending=[True,False])

	A	B	C	D
4	1	2	8	6
1	4	2	16	3
3	44	3	3	2
0	12	5	20	14
2	5	54	7	17

tail函数

查看末尾的数据

df7.tail()

	key	A
1	K1	A1
2	K2	A2
3	K3	A3
4	K4	A4
5	K5	A5

df7.tail(3)

	key	A
3	K3	A3
4	K4	A4
5	K5	A5

unique函数

查找每个字段的唯一元素

df10

	sid	score	rank_10	rank_10_max	rank_10_min
0	a	9	6.0	7.0	5.0
1	c	8	3.5	4.0	3.0
2	b	9	6.0	7.0	5.0
3	d	7	2.0	2.0	2.0
4	e	8	3.5	4.0	3.0
5	f	9	6.0	7.0	5.0
6	g	3	1.0	1.0	1.0

df10["score"].unique()

array([9, 8, 7, 3])

df10["rank_10"].unique()

array([6. , 3.5, 2. , 1. ])

value_counts函数

用于统计字段中每个唯一值的个数

df6

	sid	phones
0	s1	华为
0	s1	小米
0	s1	一加
1	s2	三星
1	s2	苹果

df6["sid"].value_counts()

s1    3
s2    2
Name: sid, dtype: int64

df6["phones"].value_counts()

华为    1
苹果    1
三星    1
一加    1
小米    1
Name: phones, dtype: int64

where函数

用于查找Series或者DataFrame中满足某个条件的数据

w = pd.Series(range(7))
w

0    0
1    1
2    2
3    3
4    4
5    5
6    6
dtype: int64

# 满足条件的显示；不满足的用空值代替
w.where(w>3)

0    NaN
1    NaN
2    NaN
3    NaN
4    4.0
5    5.0
6    6.0
dtype: float64

# 不满足条件的用8代替
w.where(w > 1, 8)

0    8
1    8
2    2
3    3
4    4
5    5
6    6
dtype: int64

xs函数

该函数是用于多层级索引中用于获取指定索引处的值，使用一个关键参数来选择多索引特定级别的数据。

d = {'num_legs': [4, 4, 2, 2],
     'num_wings': [0, 0, 2, 2],
     'class': ['mammal', 'mammal', 'mammal', 'bird'],
     'animal': ['cat', 'dog', 'bat', 'penguin'],
     'locomotion': ['walks', 'walks', 'flies', 'walks']}
# 生成数据
df11 = pd.DataFrame(data=d)
# 重置索引
df11 = df11.set_index(['class', 'animal', 'locomotion'])
df11

			num_legs	num_wings
class	animal	locomotion
mammal	cat	walks	4	0
	dog	walks	4	0
	bat	flies	2	2
bird	penguin	walks	2	2

# 获取指定索引的值
df11.xs('mammal')

		num_legs	num_wings
animal	locomotion
cat	walks	4	0
dog	walks	4	0
bat	flies	2	2

# 指定多个索引处的值
df11.xs(('mammal', 'dog'))

	num_legs	num_wings
locomotion
walks	4	0

# 获取指定索引和级别(level)的值
df11.xs('cat', level=1)

		num_legs	num_wings
class	locomotion
mammal	walks	4	0

df11

			num_legs	num_wings
class	animal	locomotion
mammal	cat	walks	4	0
	dog	walks	4	0
	bat	flies	2	2
bird	penguin	walks	2	2

# 获取多个索引和级别的值
df11.xs(('bird', 'walks'),level=[0, 'locomotion'])

	num_legs	num_wings
animal
penguin	2	2

# 获取指定列和轴上的值
df11.xs('num_wings', axis=1)

class   animal   locomotion
mammal  cat      walks         0
        dog      walks         0
        bat      flies         2
bird    penguin  walks         2
Name: num_wings, dtype: int64

往期精彩回顾




适合初学者入门人工智能的路线及资料下载机器学习及深度学习笔记等资料打印机器学习在线手册深度学习笔记专辑《统计学习方法》的代码复现专辑
AI基础下载黄海广老师《机器学习课程》视频课黄海广老师《机器学习课程》711页完整版课件

本站qq群955171419，加入微信群请扫码：