pandas入门的12个技巧

VOL.171315 views

1

Mar. 2024

安装

你还可以使用内置的 Python 工具 pip 安装 Pandas 并运行以下命令:

pip install pandas

安装完成后的提示成功,则可以环境中使用pandas包了。

import pandas

创建数据列

Pandas一维数组(数据列)可以保存任何数据类型。一般通过调用 pd.Series() 方法实现,不指定index,默认为0,1,2,3...。

import pandas
import numpy

S = pandas.Series(
    [1, 2, 3, 4],  # 数据
    index=["a", "b", "c", "d"],  # 指定索引
    dtype=numpy.int8,  # 指定数据类型
)
S.name = "test"  # 创建一维数组的名称
S.index.name = "index"  # 创建一维数组的索引名称
print(S)

输出:

index
a    1
b    2
c    3
d    4
Name: test, dtype: int8

创建数据框

创建具有列的二维数据结构的对象(数据框)。一般通过调用 pd.DataFrame() 方法实现,不指定index,默认为0,1,2,3...。

import pandas

dat_list = [
    [1, 2, 3],
    [4, 6, 8],
    [10, 11, 12],
]
df = pandas.DataFrame(
    dat_list,
    index=["i1", "i3", "i2"],
    columns=["a", "b", "c"],
)
print(df)

输出:

     a   b   c
i1   1   2   3
i3   4   6   8
i2  10  11  12

读写CSV文件

Pandas 支持从 CSV的读写,我们用 pd.read_csv()pd.to_csv() 方法来实现。

import pandas

d = {
    "A": [1, 2, 3],
    "B": [4, 5, 6],
    "C": [7, 8, 9],
    "D": [10, 11, 12],
}
df = pandas.DataFrame(d, index=["i2", "i1", "i3"])
print(df)
df.to_csv("output/test.csv") # 导出到CSV文件
dfnew = pandas.read_csv("output/test.csv", index_col=0) # index_col=0 表示第一列为索引
print(dfnew)

读写Excel文件

Pandas 支持从 Excel的读写,我们用 pd.read_excel()pd.to_excel() 方法来实现。

import pandas

d = {
    "A": [1, 2, 3],
    "B": [4, 5, 6],
    "C": [7, 8, 9],
    "D": [10, 11, 12],
}
df = pandas.DataFrame(d, index=["i2", "i1", "i3"])
print(df)
df.to_excel("output/test.xlsx") # 导出到excel
dfnew = pandas.read_excel("output/test.xlsx", index_col=0) # index_col=0 表示第一列为索引
print(dfnew)

通过位置选择值

Pandas 支持通过位置选择值,我们用 df.iloc[row_index, column_index] 来实现。

import pandas

d = {
    "A": [1, 2, 3],
    "B": [4, 5, 6],
    "C": [7, 8, 9],
    "D": [10, 11, 12],
}
df = pandas.DataFrame(d, index=["i2", "i1", "i3"])
print(df)

print(df.iloc[2, 1])  # 6 结果为一个值
print(df.iloc[[2], [1]])  # 结果为一个元素的数据框
print(df.iloc[1:3, :])  # 结果为一个数据框

输出:

    A  B  C   D
i2  1  4  7  10
i1  2  5  8  11
i3  3  6  9  12
6
    B
i3  6
    A  B  C   D
i1  2  5  8  11
i3  3  6  9  12

通过名称选择值

Pandas 支持通过名称选择值,我们用 df.loc[row_name, column_name] 来实现。

import pandas

d = {
    "A": [1, 2, 3],
    "B": [4, 5, 6],
    "C": [7, 8, 9],
    "D": [10, 11, 12],
}
df = pandas.DataFrame(d, index=["i2", "i1", "i3"])
print(df)

print(df.loc["i2", "C"])  # 6 结果为一个值
print(df.loc[["i2"], ["C"]])  # 结果为一个元素的数据框
print(df.loc[["i2", "i3"], ["A", "D"]])  # 切片

输出:

    A  B  C   D
i2  1  4  7  10
i1  2  5  8  11
i3  3  6  9  12
7
    C
i2  7
    A   D
i2  1  10
i3  3  12

标签可以重复吗?

这是一个有意思的问题,如果重复了如何取值呢,如何去掉重复呢?

import pandas

d = {
    "A": [1, 2, 3],
    "B": [4, 5, 6],
    "C": [7, 8, 9],
    "D": [10, 11, 12],
}
df = pandas.DataFrame(d, index=["i2", "i1", "i2"])
print(df)
print(df.loc["i2", "C"])
df.columns = ["A", "B", "B", "D"]
print(df)
print(df.loc["i2", "B"])

输出:

    A  B  C   D
i2  1  4  7  10
i1  2  5  8  11
i2  3  6  9  12
i2    7
i2    9
Name: C, dtype: int64
    A  B  B   D
i2  1  4  7  10
i1  2  5  8  11
i2  3  6  9  12
    B  B
i2  4  7
i2  6  9

删除行/列

Pandas 支持删除行/列,我们用 df.drop([col/row name], axis=0/1) 来实现。

import pandas

d = {
    "A": [1, 2, 3],
    "B": [4, 5, 6],
    "C": [7, 8, 9],
    "D": [10, 11, 12],
}
df = pandas.DataFrame(d, index=["i2", "i1", "i3"])
print(df)
df.drop(
    ["i2", "i1"],
    axis=0,  # axis=0删除行,axis=1删除列
    inplace=True, # 如果为True,则在原数据上进行操作,否则,创建一个新的数据对象
    errors="ignore",  # 忽略不存在的列
)
print(df)

输出:

    A  B  C   D
i2  1  4  7  10
i1  2  5  8  11
i3  3  6  9  12
    A  B  C   D
i3  3  6  9  12

在最后增加列

import pandas

d = {
    "A": [1, 2, 3],
    "B": [4, 5, 6],
    "C": [7, 8, 9],
    "D": [10, 11, 12]
}
df = pandas.DataFrame(d, index=["i2", "i1", "i3"])
print(df)
df['E'] = 0
print(df)

输出为:

    A  B  C   D
i2  1  4  7  10
i1  2  5  8  11
i3  3  6  9  12
    A  B  C   D  E
i2  1  4  7  10  0
i1  2  5  8  11  0
i3  3  6  9  12  0

11. 在最后增加行

import pandas

d = {
    "A": [1, 2, 3],
    "B": [4, 5, 6],
    "C": [7, 8, 9],
    "D": [10, 11, 12],
}
df = pandas.DataFrame(d, index=["i2", "i1", "i3"])
print(df)
df = df.append(
    pandas.DataFrame({"A": 13, "B": 14, "C": 15, "D": 16}, index=["i4"]),
    ignore_index=True,
)
print(df)

输出:

    A  B  C   D
i2  1  4  7  10
i1  2  5  8  11
i3  3  6  9  12
    A   B   C   D
0   1   4   7  10
1   2   5   8  11
2   3   6   9  12
3  13  14  15  16

通过标签(索引或列名)排序

import pandas

d = {
    "A": [1, 2, 3],
    "B": [4, 5, 6],
    "C": [7, 8, 9],
    "D": [10, 11, 12]
}

df = pandas.DataFrame(d, index=["i2", "i1", "i3"])
print(df)
df = df.sort_index(
    axis=0, # axis=0 按行标签排序,axis=1 按列标签排序
    level=None,
    ascending=True, # 是否升序
    inplace=False, # 是否修改原数据
    kind="quicksort", # 排序算法
    na_position="last", # 如果有NA值,放在最后
    sort_remaining=True, # 是否排序剩余列
)
print(df)

输出:

    A  B  C   D
i2  1  4  7  10
i1  2  5  8  11
i3  3  6  9  12
    A  B  C   D
i1  2  5  8  11
i2  1  4  7  10
i3  3  6  9  12