Pythonのチュートリアル：データの専門家は、新しい旅を開くために役立つ20のパンダコード！
概要
パンダnumpyのは、ツールに基づいて作成されたデータ分析タスクを解決するためのツールです。データ分析の友人を行うには多くの使用Pythonのは、誰もがあなたがより迅速にデータを理解するために20行の共通パンダコードをまとめたため、ここで、パンダには見知らぬ人はいけません。
私は、次の3つのカテゴリに、ここでこれらの20頭のパンダのコードを持っています：
- 基本データ情報
- 基本データ処理
- データフレームを操作します
基本データ情報
図1に示すように、基本的なデータ・セット読み取り（CSV、EXECL）
CSV＃1
＃読み取り
pd.DataFrame.from_csv（ "CSV_File"）
pd.read_csv（ "CSV_File"）
＃書き込み
df.to_csv（ "data.csv"、9月= ＃1 ""インデックス= false）を、低くないコンマを区切り標準
＃EXECL
pd.read_excel（ "excel_file"）
df.to_execl（ "data.xlsx"、SHEET_NAMEは= 'A'）
図2に示すように、前記基本データ・セット
df.info（）
3、基本的な統計
df.describe（）
4、出力テーブルにデータフレーム（モジュールを表）
インポート集計集計
プリント（集計（PRINT_TABLE、ヘッダー=ヘッダ））
リストを含む＃1 PRINT_TABLEリスト
フィールドの＃ヘッダは、ヘッダに含まれます
5、すべてのフィールドを一覧表示します
df.columns
n行目の前と後に得られた6、
df.head前（n）は＃N行
ライン＃nの後df.tail（N）
7、機能により、位置特定データ
df.loc [FEATURE_NAMEへ]
＃選択カラムの最初の行の"サイズ"
df.loc（[0]、[ 'サイズ']）
df.iloc [N-】位置＃
基本データ処理
8、欠損値を削除します
df.dropna（軸= 0、どのよう= '任意'）
欠損値を置き換えるために、9、
df.replace（to_replace =なし、値=なし）
＃値"to_replaceは、" "値"に置き換えられます
10、欠損値をチェックします
pd.isnull（オブジェクト）
位（配列がNaN、オブジェクト配列なし/ NaNの値）欠損値を検出します
11、フィールドを削除
df.drop（ 'feature_variable_name'、軸= 1）
カラム1の行軸に＃0、
12、オブジェクト型の値に変換します
pd.to_numeric（DF [「へのFEATURE_NAME」]、エラー=「強制」）
＃は、計算を実行できるようにするには、数値オブジェクト型を変換する（彼らは文字列である場合）
13、numpyのアレイのデータフレームに変換
df.as_matrix（）
データフレームを操作します
14、データフレームの機能
＃すべてのデータの"高さ"は、2列の値によって乗算される
。1、DFは、[ "高"]適用（ラムダ高さ：2 *高さ）。
2、DEF乗算（X）：
リターンX 2 *
DF [ "高さ「]。（乗算）を適用
15、命名から
＃ここでは、データの3番目の列の名前を変更する"サイズ"
df.rename（列= {df.columns [2]： 'サイズ'}、インプレース= TRUE）
16、列のユニークなアイテムを取得します
「名前」は、唯一のエントリで得られたカラム＃
DF [「名前」]。ユニークな （）
17、マルチレベル・アクセス
＃ここで、選択された列、「名前」と「サイズ」で取得したデータから、
DF = new_df [[「名前」、「サイズ」]
18、統計データdf.sum（の一部）
df.min（）
df.max（）
df.idxmin（）
df.idxmax（）は、最大インデックス＃戻る
df.mean（）
df.median（）
異なる列間df.corr（）＃相関係数を
DF [ 「サイズ」]。中央値
19、データの並べ替え
df.sort_values（昇順=偽）
20、ブール指標
DF [DF [ "サイズ"] == 5]＃のブール指標
よりPythonのチュートリアルは、誰を更新していきます！