Pandas 是种P作需基于 NumPy 构建的库，在数据处理方面可以把它理解为 NumPy 加强版，心操同时 Pandas 也是过遍一项开源项目。它基于 Cython，种P作需因此读取与处理数据非常快，心操并且还能轻松处理浮点数据中的过遍缺失数据(表示为 NaN)以及非浮点数据。在本文中，种P作需基本数据集操作主要介绍了 CSV 与 Excel 的心操读写方法，基本数据处理主要介绍了缺失值及特征抽取，过遍***的种P作需 DataFrame 操作则主要介绍了函数和排序等方法。

基本数据集操作

(1) 读取 CSV 格式的心操数据集

pd.DataFrame.from_csv(“csv_file”) 

或者：

pd.read_csv(“csv_file”) 

(2) 读取 Excel 数据集

pd.read_excel("excel_file") 

(3) 将 DataFrame 直接写入 CSV 文件

如下采用逗号作为分隔符，且不带索引：

df.to_csv("data.csv",过遍 sep=",", index=False) 

(4) 基本的数据集特征信息

df.info() 

(5) 基本的数据集统计信息

print(df.describe()) 

(6) Print data frame in a table

将 DataFrame 输出到一张表：

print(tabulate(print_table, headersheaders=headers)) 

当「print_table」是一个列表，站群服务器其中列表元素还是种P作需新的列表，「headers」为表头字符串组成的心操列表。

(7) 列出所有列的过遍名字

df.columns 

基本数据处理

(8) 删除缺失数据

df.dropna(axis=0, how=any) 

返回一个 DataFrame，其中删除了包含任何 NaN 值的给定轴，选择 how=「all」会删除所有元素都是 NaN 的给定轴。

(9) 替换缺失数据

df.replace(to_replace=None, value=None) 

使用 value 值代替 DataFrame 中的 to_replace 值，其中 value 和 to_replace 都需要我们赋予不同的值。

(10) 检查空值 NaN

pd.isnull(object) 

检查缺失值，即数值数组中的 NaN 和目标数组中的 None/NaN。

(11) 删除特征

df.drop(feature_variable_name, axis=1) 

axis 选择 0 表示行，亿华云计算选择表示列。

(12) 将目标类型转换为浮点型

pd.to_numeric(df["feature_name"], errors=coerce) 

将目标类型转化为数值从而进一步执行计算，在这个案例中为字符串。

(13) 将 DataFrame 转换为 NumPy 数组

df.as_matrix() 

(14) 取 DataFrame 的前面「n」行

df.head(n) 

(15) 通过特征名取数据

df.loc[feature_name] 

DataFrame 操作

(16) 对 DataFrame 使用函数

该函数将令 DataFrame 中「height」行的所有值乘上 2：

df["height"].apply(*lambda* height: 2 * height) 

或：

def multiply(x):  return x * 2 df["height"].apply(multiply) 

(17) 重命名行

下面代码会重命名 DataFrame 的第三行为「size」：

df.rename(columns = { df.columns[2]:size}, inplace=True) 

(18) 取某一行的唯一实体

下面代码将取「name」行的唯一实体：

df["name"].unique() 

(19) 访问子 DataFrame

以下代码将从 DataFrame 中抽取选定了的行「name」和「size」：

new_df = df[["name", "size"]] 

(20) 总结数据信息

# Sum of values in a data frame df.sum() # Lowest value of a data frame df.min() # Highest value df.max() # Index of the lowest value df.idxmin() # Index of the highest value df.idxmax() # Statistical summary of the data frame, with quartiles, median, etc. df.describe() # Average values df.mean() # Median values df.median() # Correlation between columns df.corr() # To get these values for only one column, just select it like this# df["size"].median() 

(21) 给数据排序

df.sort_values(ascending = False) 

(22) 布尔型索引

以下代码将过滤名为「size」的行，并仅显示值等于 5 的行：

df[df["size"] == 5] 

(23) 选定特定的值

以下代码将选定「size」列、***行的值：

df.loc([0], [size]) 

原文链接：

https://towardsdatascience.com/23-great-pandas-codes-for-data-scientists-cca5ed9d8a38

【本文是专栏机构“机器之心”的原创文章，微信公众号“机器之心( id: almosthuman2014)”】

戳这里，看该作者更多好文