パンダの一般的な機能
プログラミング
2019-11-06 01:10:51
訪問数: null
データのインポート
- pd.read_csv（ファイル名）：CSVファイルからデータをインポート
- pd.read_table（ファイル名）：定義区切りのテキストファイルからデータをインポート
- pd.read_excel（ファイル名）：Excelファイルからデータをインポート
- pd.read_sql（クエリ、connection_object）：SQLテーブル/データベースからデータをインポート
- pd.read_json（json_string）：JSON形式の文字列からデータをインポート
- pd.read_html（URL）：抽出されたテーブルが形成しており、HTMLファイルや文字列をURLを解析
- pd.read_clipboard（）：クリップボードからコンテンツを取得し、そして（read_table合格）
- pd.DataFrame（辞書）：辞書オブジェクトからデータをインポートは、キーがカラム名、値のデータであります
データのエクスポート
- df.to_csv（ファイル名）：CSVファイルへのデータのエクスポート
- df.to_excel（ファイル名）：Excelファイルへのエクスポートデータ
- df.to_sql（TABLE_NAME、connection_object）：SQLテーブルへのエクスポートデータ
- df.to_json（ファイル名）：JSON形式は、テキストファイルにデータをエクスポートします
テストオブジェクトを作成します。
- pd.DataFrame（np.random.rand（20,5））：5からなるオブジェクトの作成20データフレームの行乱数
- pd.Series（my_listという）：イテラブルmy_listというのシリーズオブジェクトの作成
- df.index = pd.date_range（= df.shape '1900年1月30日'、期間[0]）：日付インデックスを増加させます
データを確認し、チェック
データセレクター
- DF [COL]：カラム名、およびシリーズの形で列を返します
- DF [COL1、COL2]：データフレームの列の複数の形態を返します
- s.iloc [0]：場所によってデータを選択します
- s.loc [「index_one」]：押して[データのインデックス
- df.iloc [0：]：最初の行を返します
- df.ilocは[0,0]：最初の列の最初の要素を返します。
データクレンジング
- df.coumns = [ 'A'、 'B'、 'C']：カラム名を変更
- pd.isnull（）：NULLデータフレームの検査対象とブール配列を返します
- pd.notnull（）：非NULL値のデータフレームの検査対象とブール配列を返します
- df.dropnaは（）：すべての行がNULL値を含む削除します
- df.dropna（軸= 1）：削除すべての列がヌル値を含みます
- df.dropna（軸= 1、脱穀= N）未満のn行すべての非NULL値を削除します
- df.fillna（x）：xですべてNULL値のデータフレームのオブジェクトを交換
- s.astype（フロート）：シリーズに浮かぶようにデータ型を変更
- s.replace（1、「1」）：すべて1に等しい値の代わりに「1」を有します
- s.replace（[1,3]、[ '1'、 '3']）：1の代わりに '1' と、 '3' を有する代わりに3
- df.rename（カラム=ラムダX、X + 1）：質量変化カラム名
- df.rename（列= {「古い名」：「新しい新しい名前」}）：選択列名を変更します
- df.set_index（ 'column_one'）：インデックス列を変更
- df.rename（インデックス=ラムダX：X + 1）：一括リネームインデックス
データ処理：フィルター、ソートやGROUPBY
- DF [COL]> 0.5 DF]：選択COLカラムは0.5より大きい値
- デフォルトで昇順にソートCOL1列のデータ、：df.sort_values（COL1）
- df.sort_values（COL2、昇順=偽）：降順にデータ列COL1に従って
- df.sort_values（[COL1、COL2]、昇順=真、偽）：最初の昇順COL1列によって、COL2降順は、データに応じ
- df.groupby（COL）は：列COLによってグループ化されたGROUPBYのオブジェクトの1つを返します。
- df.groupby（[COL1、COL2）：複数のオブジェクトによって返品グループ化されるカラムGROUPBY
- df.groupby（COL1）COL2]：カラムCOL1によってRETURN基、カラム手段のCOL2
- COL2及びCOL3カラムCOL1によってグループを作成するために、ピボットテーブルの最大値、及び計算：df.pivot_table（インデックス= COL1、値= [COL2、COL3]、aggfunc = max）を
- df.groupby（COL1）.agg（np.meanは）：列COL1でグループ化されたすべての列の平均値を返します。
- data.apply（np.mean）：データフレームアプリケーション機能np.meanの各列
- data.apply（np.max、軸= 1）：np.maxデータフレームの応用機能の行ごとに
データマージ
- df1.append（DF2）：DF2がDF1の行の末尾に追加
- df.concat（[DF1、DF2]、軸= 1）：DF1の端部にDF2列を追加
- df1.join（DF2、=のCOL1に、どのように= '内部'）：DF1とDF2列の列のSQL実行形式に参加
統計
- df.describe（）：列の要約統計量のデータ値を参照してください
- df.mean（）：すべての列の平均値を返します。
- df.corrは（）：行と列の間の相関係数を返します。
- df.count（）：各列の非ヌル値の数を返します
- df.max（）：各列の最大値を返します
- df.min（）：各列の最小値を返します
- df.medianは（）：各列の中央値を返します。
- df.std（）：各列の標準偏差を返します
転載: blog.51cto.com/13132323/2447986