Python基础篇之Pandas常用基本函数汇总

1. 背景介绍

Pandas是一种开放源代码的数据分析和处理工具，它被广泛应用于数据科学领域。在Pandas中，有许多常用的基本函数，本文将总结这些函数并提供示例演示。

2. 常用基本函数

以下是Pandas中常用的基本函数：

2.1 读取数据

• read_csv()：读取csv文件数据并转换成DataFrame格式。示例：data = pd.read_csv('data.csv')

• read_excel()：读取Excel文件数据并转换成DataFrame格式。示例：data = pd.read_excel('data.xlsx')

2.2 数据清洗

• dropna()：删除包含空值的行或列。示例：data.dropna()

• fillna()：将空值填充为其他值。示例：data.fillna(0)

• replace()：替换某个值为其他值。示例：data.replace('a', 'b')

2.3 数据处理

• describe()：统计数据的基本统计量，如均值、标准差、最小值、最大值等。示例：data.describe()

• corr()：计算DataFrame中两两列之间的相关系数。示例：data.corr()

• groupby()：分组统计某些列的信息。示例：data.groupby(['column1', 'column2'])['column3'].sum()

2.4 数据输出

• to_csv()：将DataFrame中的数据输出为csv文件。示例：data.to_csv('output.csv')

• to_excel()：将DataFrame中的数据输出为Excel文件。示例：data.to_excel('output.xlsx')

3. 示例说明

3.1 示例1

假设我们有一个包含学生成绩信息的csv文件student.csv，其中字段包括姓名、科目、成绩等等。我们可以使用read_csv()函数将其读取进来：

import pandas as pd
data = pd.read_csv('student.csv')

接下来，我们可以使用dropna()函数删除空值的行：

data = data.dropna()

然后，我们可以使用describe()函数计算DataFrame数据的基本统计量：

print(data.describe())

3.2 示例2

假设我们有一个包含股票数据的csv文件stock.csv，其中字段包括日期、股票代码、收盘价等等。我们可以使用read_csv()函数将其读取进来：

import pandas as pd
data = pd.read_csv('stock.csv')

接下来，我们可以使用groupby()函数统计每个股票代码的总收盘价：

result = data.groupby(['股票代码'])['收盘价'].sum()
print(result)

最后，我们可以使用to_csv()函数将结果输出到文件中：

result.to_csv('result.csv')

4. 总结

Pandas是一种非常强大的数据分析和处理工具，它提供了非常丰富的基本函数。本文总结了Pandas中常用的基本函数，并提供了示例说明，希望对大家的学习和应用有所帮助。