PythonPandas常用函数方法总结

什么是Python Pandas库？

Pandas是Python中的一个数据处理库，它提供了数据处理和分析的实用工具，使得数据处理更加快速和容易。Pandas主要包含两个核心数据结构：Series和DataFrame。Series用于处理单一纬度的数据，而DataFrame用于处理多维数据的表格。

Pandas常用函数

1. DataFrame的创建

DataFrame是Pandas库最常用的数据结构之一，用于处理表格型数据。DataFrame的创建方式有很多，下面是一些常用的方式。

通过字典创建DataFrame

import pandas as pd

data = {'name': ['Jack', 'Tom', 'Mary', 'Ben'],
        'age': [18, 23, 21, 19],
        'score': [85, 92, 77, 81]}
df = pd.DataFrame(data)
print(df)

上述代码通过一个字典来创建DataFrame。其中字典的键是列名，键的值是列中的数据。

通过列表创建DataFrame

import pandas as pd

data = [['Jack', 18, 85], ['Tom', 23, 92], ['Mary', 21, 77], ['Ben', 19, 81]]
df = pd.DataFrame(data, columns=['name', 'age', 'score'])
print(df)

上述代码通过一个列表中的列表来创建DataFrame。列表中的每个子列表表示DataFrame中的一行数据，子列表中的元素依次是每列的值。可以通过columns参数来指定列名。

2. DataFrame基本操作

选取列数据

import pandas as pd

data = {'name': ['Jack', 'Tom', 'Mary', 'Ben'],
        'age': [18, 23, 21, 19],
        'score': [85, 92, 77, 81]}
df = pd.DataFrame(data)
print(df['name'])

上述代码可以选取列名为name的列数据。选取列数据的方式有两种，一种是使用中括号来访问，另一种是使用点号来访问。

选取行数据

import pandas as pd

data = {'name': ['Jack', 'Tom', 'Mary', 'Ben'],
        'age': [18, 23, 21, 19],
        'score': [85, 92, 77, 81]}
df = pd.DataFrame(data)
print(df.loc[0])

上述代码可以选取第一行的数据。选取行数据使用的是loc方法，可以通过loc方法来选取行索引或列索引。

3. 数据清洗

在数据分析的过程中，清洗数据是必要的步骤之一。Pandas提供了很多清洗数据的函数和方法，下面是一些常用的函数和方法。

剔除缺失值

import pandas as pd

data = {'name': ['Jack', 'Tom', 'Mary', 'Ben'],
        'age': [18, None, 21, 19],
        'score': [85, 92, None, 81]}
df = pd.DataFrame(data)
print(df.dropna())

上述代码通过dropna方法剔除了包含缺失值的行。dropna方法可以删除含有任何缺失值的行或列。

填充缺失值

import pandas as pd

data = {'name': ['Jack', 'Tom', 'Mary', 'Ben'],
        'age': [18, None, 21, 19],
        'score': [85, 92, None, 81]}
df = pd.DataFrame(data)
print(df.fillna(0))

上述代码通过fillna方法填充了缺失的数据。fillna方法可以将DataFrame中NaN值替换为指定的值。

总结

本文总结了Pandas库的一些常用函数和方法，包括DataFrame的创建、基本操作和数据清洗等。Pandas是一个功能强大的数据处理库，掌握它的基础用法对于数据分析和处理非常有帮助。