如何在Python中使用PANDAS库进行数据操作？

Pandas是一个强大的Python库，用于使用系列和数据帧结构进行数据操作和分析。 1。从CSV，Excel，JSON或使用pd.dataframe（）手动创建数据。 2。使用head（），tail（），info（），descript（），形状和列探索数据。 3。按列，行索引（LOC/ILOC）或带布尔索引的条件选择和过滤数据。 4。使用均值或自定义值的isNull（），dropna（）或fillna（）处理缺失值。 5。添加有条件逻辑的列或使用Drop（）和Rename（）删除/重命名。 6。使用Appla（），Map（），replace（）和Astype（）转换数据，以进行清洁和键入转换。 7。使用sort_values（）和组按类别进行groupby（）和诸如nee（）或count（）之类的聚合函数的数据对数据进行排序。 8。与Merge（）合并数据框或沿行或列与Concat（）连接。 9.使用to_csv（），to_excel（）或to_json（）（如果需要）将处理的数据保存到CSV，Excel或JSON，如果需要，将数据保存到to_excel（）或to_json（）。掌握LOC，GroupBy并应用启用有效处理大多数实际数据任务，使PANDAS对于数据工作流程至关重要。

熊猫是Python中最强大，最广泛使用的库之一，用于数据操纵和分析。它提供了易于使用的数据结构，例如系列（1D）和DataFrame（2D），以及多种功能，可有效清洁，过滤，转换和分析数据。

这是有关如何使用熊猫进行通用数据操纵任务的实用指南：

1。导入和加载数据

首先从CSV，Excel或JSON等通用格式中导入大熊猫并加载数据。

导入大熊猫作为pd

＃从CSV文件加载数据
df = pd.read_csv（'data.csv'）

＃从Excel加载（需要OpenPyXl）
df = pd.read_excel（'data.xlsx'）

＃JSON的负载
df = pd.read_json（'data.json'）

您还可以手动创建数据框：

数据= {
    “名称”：['Alice'，'Bob'，'Charlie']，
    “年龄”：[25，30，35]，
    “城市”：[“纽约”，“洛杉矶”，“芝加哥”]
}
df = pd.dataframe（数据）

2。探索数据

在操纵之前，请检查您的数据以了解其结构。

 ＃显示前5行
df.head（）

＃最后3行
df.tail（3）

＃一般信息：数据类型，缺失值，内存使用情况
df.info（）

＃数字列的摘要统计信息
df.describe（）

＃数据框的形状（行，列）
df。形状

＃列名
DF.Columns

3。选择和过滤数据

使用标签，位置或条件访问数据框的特定部分。

 ＃选择一个列
DF ['name']

＃选择多列
df [['name'，'age']]

＃选择索引行
df.loc [0]＃由标签
df.iloc [0]＃按位置

＃基于条件的过滤行
df [df ['age']> 28]

＃多个条件（使用和，| | for OR需要，需要括号）
df [（DF ['age']> 25）＆（df ['city'] =='芝加哥'）]

4。处理丢失的数据

现实世界数据通常具有缺失值（NAN）。 Pandas提供了管理它们的工具。

 ＃检查缺失值
df.isnull（）

＃计数每列缺少值
df.isnull（）。sum（）

＃带有任何丢失值的删除行
df.dropna（）

＃丢失超过50％的删除列
df.dropna（阈值= len（df）*0.5，轴= 1）

＃填写缺失值
df ['age']。填充（df ['age']。平均值（），intplote = true）
df ['city']。填充（'Unknown'，intplace = true）

5。添加和删除列

根据需要修改数据框的结构。

 ＃添加新列
df ['高级'] = df ['age']> 30

＃删除列
df.drop（'高级'，轴= 1，intplace = true）

＃重列列
df.rename（columns = {'name'：'全名'}，inplace = true）

6。数据转换

应用功能转换或清洁数据。

 ＃将功能应用于列
df ['age'] = df ['age']。应用（lambda x：x 1）＃增量年龄

＃地图值（例如，替换城市名称）
df ['city'] = df ['city']。

＃替换特定值
df.replace（{'nyc'：'纽约市'}，in incor = true）

＃转换数据类型
df ['age'] = df ['age']。astype（int）

7。排序和分组

有效组织和总结数据。

 ＃按一个或多列排序
df.sort_values（'age'，上升= false）

＃按多列排序
df.sort_values（[['city'，'age']，升序= [true，false]）

＃组数据和汇总
分组= df.groupby（'city'）['age']。平均值（）＃按城市按城市按平均年龄
grouped = df.groupby（'city'）。agg（{'age'：'sean'，'name'：'count'}）＃多个统计数据

8。合并和串联数据

组合多个数据框，类似于SQL连接。

 ＃垂直连接（堆叠行）
df_combind = pd.concat（[[DF1，df2]，axis = 0）

＃水平连接（添加列）
df_combind = pd.concat（[[DF1，DF2]，axis = 1）

＃在钥匙上合并（例如SQL Join）
合并= pd.merge（df1，df2，on ='name'，how ='innit'）＃内，左，右，外部

9。保存数据

操纵后，导出结果。

 ＃保存到CSV
df.to_csv（'cleaned_data.csv'，index = false）

＃保存到Excel
df.to_excel（'cleaned_data.xlsx'，index = false）

＃保存到JSON
df.to_json（'cleaned_data.json'，orient ='记录'）

熊猫使数据操纵直观有效。从小型数据集开始练习这些操作，然后逐渐将其应用于现实世界中的问题。关键是要熟悉索引，过滤和聚合模式 - 它们构成了大多数数据工作流的骨干。

基本上，一旦您对loc ， groupby和apply感到满意，就可以处理大多数日常数据任务。

以上是如何在Python中使用PANDAS库进行数据操作？的详细内容。更多信息请关注PHP中文网其他相关文章！