小编给大家分享一下pandas如何使用，相信大部分人都还不怎么了解，因此分享这篇文章给大家参考一下，希望大家阅读完这篇文章后大有收获，下面让我们一起去了解一下吧！
一、生成数据表
1、首先导入pandas库，一般都会用到numpy库，所以我们先导入备用：
import numpy as npimport pandas as pd12导入CSV或者xlsx文件：
df = pd.DataFrame(pd.read_csv('name.csv',header=1))df = pd.DataFrame(pd.read_excel('name.xlsx'))123用pandas创建数据表：
df = pd.DataFrame({"id":[1001,1002,1003,1004,1005,1006], "date":pd.date_range('20130102', periods=6), "city":['Beijing ', 'SH', ' guangzhou ', 'Shenzhen', 'shanghai', 'BEIJING '], "age":[23,44,54,32,34,32], "category":['100-A','100-B','110-A','110-C','210-A','130-F'], "price":[1200,np.nan,2133,5433,np.nan,4432]}, columns =['id','date','city','category','age','price'])12345678数据表信息查看
1、维度查看：
df.shape12数据表基本信息（维度、列名称、数据格式、所占空间等）：
df.info()12每一列数据的格式：
df.dtypes12某一列格式：
df['B'].dtype12空值：
df.isnull()12查看某一列空值：
df.isnull()12查看某一列的唯一值：
df['B'].unique()12查看数据表的值：
df.values
9、查看列名称：
df.columns12查看前10行数据、后10行数据：
df.head() #默认前10行数据df.tail() #默认后10 行数据123三、数据表清洗
1、用数字0填充空值：
df.fillna(value=0)12使用列prince的均值对NA进行填充：
df['prince'].fillna(df['prince'].mean())12清楚city字段的字符空格：
df['city']=df['city'].map(str.strip)12大小写转换：
df['city']=df['city'].str.lower()12更改数据格式：
df['price'].astype('int') 12更改列名称：
df.rename(columns={'category': 'category-size'}) 12删除后出现的重复值：
df['city'].drop_duplicates()12删除先出现的重复值：
df['city'].drop_duplicates(keep='last')12数据替换：
df['city'].replace('sh', 'shanghai')12四、数据预处理
df1=pd.DataFrame({"id":[1001,1002,1003,1004,1005,1006,1007,1008], "gender":['male','female','male','female','male','female','male','female'],"pay":['Y','N','Y','Y','N','Y','N','Y',],"m-point":[10,12,20,40,40,40,30,20]})12345数据表合并
df_inner=pd.merge(df,df1,how='inner') # 匹配合并，交集df_left=pd.merge(df,df1,how='left') #df_right=pd.merge(df,df1,how='right')df_outer=pd.merge(df,df1,how='outer') #并集12345设置索引列
df_inner.set_index('id')12按照特定列的值排序：
df_inner.sort_values(by=['age'])12按照索引列排序：
df_inner.sort_index()12如果prince列的值>3000，group列显示high，否则显示low：
df_inner['group'] = np.where(df_inner['price'] > 3000,'high','low')12对复合多个条件的数据进行分组标记
df_inner.loc[(df_inner['city'] == 'beijing') & (df_inner['price'] >= 4000), 'sign']=112对category字段的值依次进行分列，并创建数据表，索引值为df_inner的索引列，列名称为category和size
pd.DataFrame((x.split('-') for x in df_inner['category']),index=df_inner.index,columns=['category','size']))12将完成分裂后的数据表和原df_inner数据表进行匹配
df_inner=pd.merge(df_inner,split,right_index=True, left_index=True)12五、数据提取
主要用到的三个函数：loc,iloc和ix，loc函数按标签值进行提取，iloc按位置进行提取，ix可以同时按标签和位置进行提取。
1、按索引提取单行的数值
df_inner.loc[3]12按索引提取区域行数值
df_inner.iloc[0:5]12重设索引
df_inner.reset_index()12设置日期为索引
df_inner=df_inner.set_index('date') 12提取4日之前的所有数据
df_inner[:'2013-01-04']12使用iloc按位置区域提取数据
df_inner.iloc[:3,:2] #冒号前后的数字不再是索引的标签名称，而是数据所在的位置，从0开始，前三行，前两列。12适应iloc按位置单独提起数据
df_inner.iloc[[0,2,5],[4,5]] #提取第0、2、5行，4、5列12使用ix按索引标签和位置混合提取数据
df_inner.ix[:'2013-01-03',:4] #2013-01-03号之前，前四列数据12判断city列的值是否为北京
df_inner['city'].isin(['beijing'])12判断city列里是否包含beijing和shanghai，然后将符合条件的数据提取出来
df_inner.loc[df_inner['city'].isin(['beijing','shanghai'])] 12提取前三个字符，并生成数据表
pd.DataFrame(category.str[:3])12六、数据筛选
使用与、或、非三个条件配合大于、小于、等于对数据进行筛选，并进行计数和求和。
1、使用“与”进行筛选
df_inner.loc[(df_inner['age'] > 25) & (df_inner['city'] == 'beijing'), ['id','city','age','category','gender']]12使用“或”进行筛选
df_inner.loc[(df_inner['age'] > 25) | (df_inner['city'] == 'beijing'), ['id','city','age','category','gender']].sort(['age']) 12使用“非”条件进行筛选
df_inner.loc[(df_inner['city'] != 'beijing'), ['id','city','age','category','gender']].sort(['id']) 12对筛选后的数据按city列进行计数
df_inner.loc[(df_inner['city'] != 'beijing'), ['id','city','age','category','gender']].sort(['id']).city.count()12使用query函数进行筛选
df_inner.query('city == ["beijing", "shanghai"]')12对筛选后的结果按prince进行求和
df_inner.query('city == ["beijing", "shanghai"]').price.sum()12七、数据汇总
主要函数是groupby和pivote_table
1、对所有的列进行计数汇总
df_inner.groupby('city').count()12按城市对id字段进行计数
df_inner.groupby('city')['id'].count()12对两个字段进行汇总计数
df_inner.groupby(['city','size'])['id'].count()12对city字段进行汇总，并分别计算prince的合计和均值
df_inner.groupby('city')['price'].agg([len,np.sum, np.mean]) 12八、数据统计
数据采样，计算标准差，协方差和相关系数
1、简单的数据采样
df_inner.sample(n=3) 12手动设置采样权重
weights = [0, 0, 0, 0, 0.5, 0.5]df_inner.sample(n=2, weights=weights) 123采样后不放回
df_inner.sample(n=6, replace=False) 12采样后放回
df_inner.sample(n=6, replace=True)12数据表描述性统计
df_inner.describe().round(2).T #round函数设置显示小数位，T表示转置12计算列的标准差
df_inner['price'].std()12计算两个字段间的协方差
df_inner['price'].cov(df_inner['m-point']) 12数据表中所有字段间的协方差
df_inner.cov()12两个字段的相关性分析
df_inner['price'].corr(df_inner['m-point']) #相关系数在-1到1之间，接近1为正相关，接近-1为负相关，0为不相关12数据表的相关性分析
df_inner.corr()12九、数据输出
分析后的数据可以输出为xlsx格式和csv格式
1、写入Excel
df_inner.to_excel('excel_to_python.xlsx', sheet_name='bluewhale_cc') 12写入到CSV
df_inner.to_csv('excel_to_python.csv')以上是“pandas如何使用”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注编程网行业资讯频道！
