最近用到Pandas，想查几个函数，结果翻来翻去都是那几个豆腐干大小的图片，我真是缓缓地打出一个？难道你能对着一张图片ctrl + F5？
于是赶紧安排一下官方库的翻译。这不，老铁，来了~
本文翻译整理自Pandas Cheat Sheet - Python for DataScience
点这里一键fork >>Pandas基础命令速查清单
速查表内容概要
[缩写解释 & 库的导入]
[数据的导入]
[数据的导出]
[创建测试对象]
[数据的查看与检查]
[数据的选取]
[数据的清洗]
[数据的过滤(filter),排序(sort)和分组(groupby)]
[数据的连接(join)与组合(combine)]
[数据的统计]
缩写解释 & 库的导入
df --- 任意的pandas DataFrame(数据框)对象
s --- 任意的pandas Series(数组)对象
pandas和numpy是用Python做数据分析最基础且最核心的库
import pandas as pd # 导入pandas库并简写为pd
import numpy as np # 导入numpy库并简写为np
数据的导入
pd.read_csv(filename) # 导入csv格式文件中的数据
pd.read_table(filename) # 导入有分隔符的文本 (如TSV) 中的数据
pd.read_excel(filename) # 导入Excel格式文件中的数据
pd.read_sql(query, connection_object) # 导入SQL数据表/数据库中的数据
pd.read_json(json_string) # 导入JSON格式的字符，URL地址或者文件中的数据
pd.read_html(url) # 导入经过解析的URL地址中包含的数据框 (DataFrame) 数据
pd.read_clipboard() # 导入系统粘贴板里面的数据
pd.DataFrame(dict) # 导入Python字典 (dict) 里面的数据，其中key是数据框的表头，value是数据框的内容。
数据的导出
df.to_csv(filename) # 将数据框 (DataFrame)中的数据导入csv格式的文件中
df.to_excel(filename) # 将数据框 (DataFrame)中的数据导入Excel格式的文件中
df.to_sql(table_name,connection_object) # 将数据框 (DataFrame)中的数据导入SQL数据表/数据库中
df.to_json(filename) # 将数据框 (DataFrame)中的数据导入JSON格式的文件中
创建测试对象
pd.DataFrame(np.random.rand(10,5)) # 创建一个5列10行的由随机浮点数组成的数据框
DataFrame
pd.DataFrame(np.random.rand(10,5))
pd.Series(my_list) # 从一个可迭代的对象 my_list 中创建一个数据组
my_list = ['Kesci',100,'欢迎来到科赛网']
pd.Series(my_list)
df.index = pd.date_range('2017/1/1',periods=df.shape[0]) # 添加一个日期索引 index
df = pd.DataFrame(np.random.rand(10,5))
df.index = pd.date_range('2017/1/1',periods=df.shape[0])
df
数据的查看与检查
df.head(n) # 查看数据框的前n行
df = pd.DataFrame(np.random.rand(10,5))
df.head(3)
df.tail(n) # 查看数据框的最后n行
df = pd.DataFrame(np.random.rand(10,5))
df.tail(3)
df.shape # 查看数据框的行数与列数
df = pd.DataFrame(np.random.rand(10,5))
df.shape
df.info() # 查看数据框(DataFrame) 的索引、数据类型及内存信息
df = pd.DataFrame(np.random.rand(10,5))
df.info()
df.describe() # 对于数据类型为数值型的列，查询其描述性统计的内容
df.describe()
s.value_counts(dropna=False) # 查询每个独特数据值出现次数统计
s = pd.Series([1,2,3,3,4,np.nan,5,5,5,6,7])
s.value_counts(dropna=False)
df.apply(pd.Series.value_counts) # 查询数据框 (Data Frame) 中每个列的独特数据值出现次数统计
数据的选取
df[col] # 以数组Series 的形式返回选取的列
df =pd.DataFrame(np.random.rand(5,5),columns=list('ABCDE'))
df['C']
df[[col1, col2]] # 以新的数据框(DataFrame)的形式返回选取的列
df =pd.DataFrame(np.random.rand(5,5),columns=list('ABCDE'))
df[['B','E']]
s.iloc[0] # 按照位置选取
s =pd.Series(np.array(['I','Love','Data']))
s.iloc[0]
s.loc['index_one'] # 按照索引选取
s =pd.Series(np.array(['I','Love','Data']))
s.loc[1]
df.iloc[0,:] # 选取第一行
df =pd.DataFrame(np.random.rand(5,5),columns=list('ABCDE'))
df.iloc[0,:]
df.iloc[0,0] # 选取第一行的第一个元素
df = pd.DataFrame(np.random.rand(10,5),columns=list('ABCDE'))
df.iloc[0,0]
数据的清洗
df.columns = ['a','b'] # 重命名数据框的列名称
df =pd.DataFrame({'A':np.array([1,np.nan,2,3,6,np.nan]),
'B':np.array([np.nan,4,np.nan,5,9,np.nan]),
'C':'foo'})
df.columns = ['a','b','c']
df
pd.isnull() # 检查数据中空值出现的情况，并返回一个由布尔值(True,Fale)组成的列
df =pd.DataFrame({'A':np.array([1,np.nan,2,3,6,np.nan]),
'B':np.array([np.nan,4,np.nan,5,9,np.nan]),
'C':'foo'})
pd.isnull(df)
pd.notnull() # 检查数据中非空值出现的情况，并返回一个由布尔值(True,False)组成的列
df =pd.DataFrame({'A':np.array([1,np.nan,2,3,6,np.nan]),
'B':np.array([np.nan,4,np.nan,5,9,np.nan]),
'C':'foo'})
pd.notnull(df)
df.dropna() # 移除数据框 DataFrame 中包含空值的行
df =pd.DataFrame({'A':np.array([1,np.nan,2,3,6,np.nan]),
'B':np.array([np.nan,4,np.nan,5,9,np.nan]),
'C':'foo'})
df.dropna()
df.dropna(axis=1) # 移除数据框 DataFrame 中包含空值的列
df =pd.DataFrame({'A':np.array([1,np.nan,2,3,6,np.nan]),
'B':np.array([np.nan,4,np.nan,5,9,np.nan]),
'C':'foo'})
df.dropna(axis=1)
df.dropna(axis=1,thresh=n) # 移除数据框df中空值个数不超过n的行
df =pd.DataFrame({'A':np.array([1,np.nan,2,3,6,np.nan]),
'B':np.array([np.nan,4,np.nan,5,9,np.nan]),
'C':'foo'})
test = df.dropna(axis=1,thresh=1)
test
df.fillna(x) # 将数据框 DataFrame 中的所有空值替换为 x
df =pd.DataFrame({'A':np.array([1,np.nan,2,3,6,np.nan]),
'B':np.array([np.nan,4,np.nan,5,9,np.nan]),
'C':'foo'})
df.fillna('Test')
s.fillna(s.mean()) -> 将所有空值替换为平均值
s = pd.Series([1,3,5,np.nan,7,9,9])
s.fillna(s.mean())
s.astype(float) # 将数组(Series)的格式转化为浮点数
s = pd.Series([1,3,5,np.nan,7,9,9])
s.astype(float)
s.replace(1,'one') # 将数组(Series)中的所有1替换为'one'
s = pd.Series([1,3,5,np.nan,7,9,9])
s.replace(1,'one')
s.replace([1,3],['one','three']) # 将数组(Series)中所有的1替换为'one'，所有的3替换为'three'
s = pd.Series([1,3,5,np.nan,7,9,9])
s.replace([1,3],['one','three'])
df.rename(columns=lambda x: x + 2) # 将全体列重命名
df = pd.DataFrame(np.random.rand(4,4))
df.rename(columns=lambda x: x+ 2)
df.rename(columns={'old_name': 'new_name'}) # 将选择的列重命名
df =pd.DataFrame(np.random.rand(10,5),columns=list('ABCDE'))
df.rename(columns={'A':'newA','C':'newC'})
df.set_index('column_one') # 改变索引
df =pd.DataFrame(np.random.rand(10,5),columns=list('ABCDE'))
df.set_index('B')
df.rename(index = lambda x: x+ 1) # 改变全体索引
df = pd.DataFrame(np.random.rand(10,5))
df.rename(index = lambda x: x+ 1)
数据的过滤(filter),排序(sort)和分组(groupby)
df[df[col] > 0.5] # 选取数据框df中对应行的数值大于0.5的全部列
df =pd.DataFrame(np.random.rand(10,5),columns=list('ABCDE'))
df[df['A'] > 0.5]
df[(df[col] > 0.5) & (df[col] <0.7)] # 选取数据框df中对应行的数值大于0.5，并且小于0.7的全部列
df =pd.DataFrame(np.random.rand(10,5),columns=list('ABCDE'))
df[(df['C'] > 0.5) & (df['D'] <0.7)]
df.sort_values(col1) # 按照数据框的列col1升序(ascending)的方式对数据框df做排序
df =pd.DataFrame(np.random.rand(10,5),columns=list('ABCDE'))
df.sort_values('E')
df.sort_values(col2,ascending=False) # 按照数据框的列col2降序(descending)的方式对数据框df做排序
df =pd.DataFrame(np.random.rand(10,5),columns=list('ABCDE'))
df.sort_values('A',ascending=False)
df.sort_values([col1,col2],ascending=[True,False]) # 按照数据框的列col1升序，col2降序的方式对数据框df做排序
df =pd.DataFrame(np.random.rand(10,5),columns=list('ABCDE'))
df.sort_values(['A','E'],ascending=[True,False])
df.groupby(col) # 按照某列对数据框df做分组
df = pd.DataFrame({'A':np.array(['foo','foo','foo','foo','bar','bar']),
'B':np.array(['one','one','two','two','three','three']),
'C':np.array(['small','medium','large','large','small','small']),
'D':np.array([1,2,2,3,3,5])})
df.groupby('A').count()
df.groupby([col1,col2]) # 按照列col1和col2对数据框df做分组
df =pd.DataFrame({'A':np.array(['foo','foo','foo','foo','bar','bar']),
'B':np.array(['one','one','two','two','three','three']),
'C':np.array(['small','medium','large','large','small','small']),
'D':np.array([1,2,2,3,3,5])})
df.groupby(['B','C']).sum()
df.groupby(col1)[col2].mean() # 按照列col1对数据框df做分组处理后，返回对应的col2的平均值
df =pd.DataFrame({'A':np.array(['foo','foo','foo','foo','bar','bar']),
'B':np.array(['one','one','two','two','three','three']),
'C':np.array(['small','medium','large','large','small','small']),
'D':np.array([1,2,2,3,3,5])})
df.groupby('B')['D'].mean()
df.pivot_table(index=col1,values=[col2,col3],aggfunc=mean)
# 做透视表，索引为col1,针对的数值列为col2和col3，分组函数为平均值
df =pd.DataFrame({'A':np.array(['foo','foo','foo','foo','bar','bar']),
'B':np.array(['one','one','two','two','three','three']),
'C':np.array(['small','medium','large','large','small','small']),
'D':np.array([1,2,2,3,3,5])})
df.pivot_table(df,index=['A','B'],columns=['C'],aggfunc=np.sum)
df.groupby(col1).agg(np.mean) # 返回按列col1分组的所有列的均值
df =pd.DataFrame({'A':np.array(['foo','foo','foo','foo','bar','bar']),
'B':np.array(['one','one','two','two','three','three']),
'C':np.array(['small','medium','large','large','small','small']),
'D':np.array([1,2,2,3,3,5])})
df.groupby('A').agg(np.mean)
df.apply(np.mean) # 对数据框df的每一列求平均值
df = pd.DataFrame(np.random.rand(10,5),columns=list('ABCDE'))
df.apply(np.mean)
df.apply(np.max,axis=1) # 对数据框df的每一行求最大值
df =pd.DataFrame(np.random.rand(10,5),columns=list('ABCDE'))
df.apply(np.max,axis=1)
数据的连接(join)与组合(combine)
df1.append(df2) # 在数据框df2的末尾添加数据框df1，其中df1和df2的列数应该相等
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2','A3'],
'B': ['B0', 'B1', 'B2','B3'],
'C': ['C0', 'C1', 'C2','C3'],
'D': ['D0', 'D1', 'D2','D3']},index=[0, 1, 2, 3])
df2 = pd.DataFrame({'A': ['A4', 'A5', 'A6','A7'],
'B': ['B4', 'B5', 'B6','B7'],
'C': ['C4', 'C5', 'C6','C7'],
'D': ['D4', 'D5', 'D6','D7']},index=[4, 5, 6, 7])
df1.append(df2)
pd.concat([df1, df2],axis=1) # 在数据框df1的列最后添加数据框df2,其中df1和df2的行数应该相等
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2','A3'],
'B': ['B0', 'B1', 'B2','B3'],
'C': ['C0', 'C1', 'C2','C3'],
'D': ['D0', 'D1', 'D2','D3']},index=[0, 1, 2, 3])
df2 = pd.DataFrame({'A': ['A4', 'A5', 'A6','A7'],
'B': ['B4', 'B5', 'B6','B7'],
'C': ['C4', 'C5', 'C6','C7'],
'D': ['D4', 'D5', 'D6','D7']},index=[4, 5, 6, 7])
pd.concat([df1,df2],axis=1)
df1.join(df2,on=col1,how='inner') # 对数据框df1和df2做内连接，其中连接的列为col1
df1 = pd.DataFrame({'A': ['A0', 'A1', 'A2','A3'],
'B': ['B0', 'B1', 'B2','B3'],
'key': ['K0', 'K1', 'K0','K1']})
df2 = pd.DataFrame({'C': ['C0', 'C1'],
'D': ['D0', 'D1']},index=['K0', 'K1'])
df1.join(df2, on='key')
数据的统计
df.describe() # 得到数据框df每一列的描述性统计
df =pd.DataFrame(np.random.rand(10,5),columns=list('ABCDE'))
df.describe()
df.mean() # 得到数据框df中每一列的平均值
df = pd.DataFrame(np.random.rand(10,5),columns=list('ABCDE'))
df.mean()
df.corr() # 得到数据框df中每一列与其他列的相关系数
df =pd.DataFrame(np.random.rand(10,5),columns=list('ABCDE'))
df.corr()
df.count() # 得到数据框df中每一列的非空值个数
df =pd.DataFrame(np.random.rand(10,5),columns=list('ABCDE'))
df.count()
df.max() # 得到数据框df中每一列的最大值
df =pd.DataFrame(np.random.rand(10,5),columns=list('ABCDE'))
df.max()
df.min() # 得到数据框df中每一列的最小值
df = pd.DataFrame(np.random.rand(10,5),columns=list('ABCDE'))
df.min()
df.median() # 得到数据框df中每一列的中位数
df =pd.DataFrame(np.random.rand(10,5),columns=list('ABCDE'))
df.median()
df.std() # 得到数据框df中每一列的标准差
df =pd.DataFrame(np.random.rand(10,5),columns=list('ABCDE'))
df.std()