pandas库的常用操作介绍

1.1.Pandas概述

Python的pandas库是一个数据处理和数据分析库，提供了很多强大的数据结构和处理工具，使得数据处理更加高效，同时也提供了丰富的功能和灵活的接口。pandas的两个核心数据结构是Series和DataFrame。Series是一个一维数组，可以保存任何数据类型，而DataFrame则是一个表格型数据结构，它包含了一系列的行和列，每列是Series类型。pandas提供了很多数据分析和处理工具，例如各种形式的数据清洗、数据过滤、数据筛选、数据分组、数据合并、数据重塑、时间序列数据处理、统计分析等。

• 先导入pandas库

import pandas as pd
df=pd.read_csv('../teachercode/Pandas/data/titanic.csv')  # 读入文件中的表格数据
df.head()              # 使用此方法 默认显示前5行数据

df.head(10)# 可以选择显示前多上行

• 查看我读入的表格数据在python中是什么类型数据
  
• info()函数获取这个DataFrame类型数据的具体信息

显示了有多少列，列名，每列非空数据数量，每列数据的类型，使用了多少内存。

• 显示索引
  默认是显示行数n，索引就是0到n-1 我们可以自己指定一个标签列表设置为索引
  
• 显示列名
  
• 显示每列元素类型
  
• 简略的打印数据
  
• 自己创建一个简略的dataframe结构
  
• 取指定的数据，可以取指定的列 ，用列名做索引
  
  
• 我们自己指定索引df.set_index()
  
  这样并没有改变索引结果

使用df.set_intdex(）后使用一个比变量来接受

• 对拿到的列数据进行操作
  
  
  
• describe 可以获取数据统计的基本统计信息特性
  

2.Pandas索引结构

• 可以按照列名取出特定列
  
• loc 使用标签来定位
• iloc 使用位置来定位
  

• 可以改变特定位置的数据
  
• bool类型的索引
  

3.groupby学习

5.Pandas数值运算

二元统计

6.对象操作

• 对象查操作
  
  
  

• 改操作
  
  

• Pandas 中的 rename() 函数用于重命名 DataFrame 或 Series 的行名称或列名称。它可以通过字典的方式来指定哪些行或列需要重命名
  

• 增操作
  
  

• 删操作
  
  

• DataFrame结构的增删改查
  
  
  
  
  
  
  
  

7.merge合并

显示设置

9.pivot操作

在Pandas中，pivot是一种数据重塑的操作，可以通过某些列作为行索引、某些列作为列索引和某些列来填充新创建的表格。

下面是一个示例，使用Pandas的pivot函数将一张数据表格重塑为一个新的表格。

10. 时间操作

下面在pd.read_csv()中直接指定0列为索引并且本来这一类是字符串类型 直接设置parse_dates=True 就把字符串解析成Pandas中的时间类型

resample 重采样函数，对时间数据重新编排

11.常用操作

• DataFrame.info()
  
• DataFrame.sort_values()
  
  

12.groupby操作

13.字符串操作

14.索引操作

15.pandas绘图操作