原文地址：https://www.kesci.com/home/project/5c418c295c4cef002c33940d/code注：代码是在Pycharm上写的。里面用到的数据来自国家统计局（http://data.stats.gov.cn/adv.htm?m=advquery&cn=E0105）。
import pandasas pd
df = pd.read_csv("2015年国内主要城市年度数据.csv")
# 7. 数据分组
# 指定一列是聚合列，如：年份
# '地区'作为索引分组，'年份'与分组列'地区'聚合
# 第一种方法
df.groupby(by=['地区'], as_index=True).agg({'年份': ['max', 'min', 'median']}).head()
# 第二种方法，两种方法是等效的
df.groupby(by=['地区'], as_index=True).年份.agg(['max', 'min', 'median']).head()
# 第三种方法
# df.groupby(by=['地区'], as_index=True).agg({'年份'}).head()
# 指定多列是聚合列，如：年份、国内生产总值
df.groupby(by=['地区'], as_index=True).agg({'年份':'max', '国内生产总值':'describe'}).head()
#按地区索引，‘年份’列的最大值和‘国内生产总值’列的描述性统计
# 没有指定聚合列，则代表选择所有列
df.groupby(by=['地区'], as_index=True).max().head() # 返回所有列中的最大值
# 8.处理缺失值
# 在上面的探索中，发现有缺失值，因此有必要进行处理
print('\n>>>', df.isnull().sum())# 查看所有数据的缺失情况，输出是每一列的缺失值数量
# 第一种方法，删除缺失值数据
df.dropna(axis=0, how='any', thresh=None, inplace=False).head()
print('\n>>>', df.dropna().head())
# 第二种方法，使用填充法填充缺失值
print('\n>>>', df.fillna(method='ffill').head())# 使用缺失值的前一个值填充(前向填充)
print('\n>>>', df.fillna(method='bfill').head())# 使用缺失值的后一个值填充(后向填充)
# 平均值填充(所有列填充)
print('\n>>>', df.fillna(value=df.mean()).head())
# 指定某一列平均值填充
print('\n>>>', df['房地产开发投资额'].fillna(value=df['房地产开发投资额'].mean()).head())
# 指定多列填充
print('\n>>>', df.fillna(value={'年份': df['年份'].max(),'房地产开发投资额':
df['房地产开发投资额'].mean()}))
# 9、选择指定的数据
# 按标签选择
# 按行的序号、列的名称选择
# df.loc[:, '列名']/df.loc[[0,1, 2], ['列名1', '列名2']]，此处需注意index从0开始，即选择的是前3行
print('\n>>>', df.loc[:, '年份'].head())
print('\n>>>', df.loc[[0, 4, 7], ['年份', '国内生产总值']].head())
# 按位置选择
# 按行位置(序号)、列位置选择
# df.iloc[:, :]/da.iloc[[0, 1, 2], [2, 3, 4]]
print('\n>>>', df.iloc[:3, :3])
print('\n>>>', df.iloc[[1, 34, 56], [2, 4, 8]])
# 按位置/标签选择
# df.ix[2] 选择某行
# df.ix[: , 'A'] 选择某列
# df.ix[1, 'A'] 选择第一行第‘A’列
print('\n>>>', df.ix[:, '年份'].head())
print('\n>>>', df.ix[:, :3].head())
# 按条件来选择
# 筛选出符合条件的列
df[df['国内生产总值'] >15678]
df.loc[:, (df>1).any()]# 选择任一值大于1的列
df.loc[:, (df>1).all()]# 选择所有值大于1的列
df.loc[:, df.isnull().any()]# 选择含NaN值的列
df.loc[:, df.notnull().all()]# 选择不含NaN值的列
# 选择指定的列，类似于 df[['某列', '某列']]
df.filter(items=['地区', '年份'])# 选择指定的列
df.filter(like='产业', axis=1)# 选择含有 "产业" 的列
# 筛选出符合条件的指定的列，并对其进行"替换修改"
df.loc[df['地区'] =='北京', '地区'] =10 #将‘地区’=‘北京’的行的‘地区’列，替换为0
df[df['地区'] =='北京']
转载于:https://www.jianshu.com/p/78b753a92916