Pandas简单操作（学习总结）

Pandas 的主要数据结构是 Series （一维数据）与 DataFrame（二维数据），是一个提供高性能、易于使用的数据结构和数据分析工具。

接下来查看Pandas的基本使用：

 ⭐ 文件的基本操作

# 导入模块
import pandas as pd
import numpy as np

# 读取文件
stu = pd.read_excel('./stu_data.xlsx')
stu.head()

# 查看数据 （数据类型，是否有空值）
stu.info()

# 转换数据类型
stu['日期'] = stu['日期'].astype('str')
stu.info()

 ⭐ 切片操作

# iloc or loc切片 (学号，身高，体重）
stu.iloc[:,[0,2,3]]  # 获取学号,身高,体重，所有行信息
stu.loc[5:10,['学号','身高','体重'] ]

⭐ 查询操作

# sql查询语言 身高高于170   性别是女
stu.query('身高 > 170 and 性别 == "女"')
# pandas查询
stu[ (stu['身高'] > 170) & (stu['性别'] ==  "女") ]

# 通过索引号获取信息
stu.query('10')

⭐ 排序操作

stu['身高'].sort_values() # 默认正序
stu['身高'].sort_values(ascending=False) # 默认正序

⭐ 分组操作

# 按课程分组，查看分组里面的数据
stu = stu.groupby('课程')
stu.groups

# 查看分组描述
stu.describe()

# 分组汇总
# stu.agg(['mean','std']) # 分组后每一列的均值和标准差
print(stu.身高.agg(max))

 ⭐ 数值变量分段

stu = pd.read_excel('./stu_data.xlsx')
stu['新体重'] = pd.cut(stu.体重,bins=[40,50,60,70,80,90],right=False)
stu.head()

⭐时间拆分

# stu.日期
stu['年份'] = stu.日期.dt.year
stu['月份'] = stu.日期.dt.month
stu['天数'] = stu.日期.dt.day
stu.head()

# Period 日期转换想要的格式
stu["日期"].apply(lambda x:pd.Period(x,freq='H')) # 保留到小时
stu["日期"].apply(lambda x:pd.Period(x,freq='M')) # 保留到月份

⭐ 表连接

# 创建新Series对象
stu1 = pd.Series(np.arange(12345678900,12345678952),name='手机号')
stu1

# 合并表
stu3 = pd.concat([stu,stu1],axis=1)
stu3.head()

# join表连接
dict1 = {
    'employee_id':['NC001','NC002','NC003','NC004'],
    'name':['zs','lian','ls','wu'],
    'sex':['m','f','f','m'],
    'department':['php','python','c++','java'],
    'item_id':['N100','N103','N103','N100'],
}
dict2 = {
    'item_id':['N100','N102','N103','N104'],
    'item_name':['php','python','c++','java'],
    'location':['SZ','SH','BJ','GZ']
}
items = pd.DataFrame(dict2)
signup = pd.DataFrame(dict1)
print(signup)
print(items)

# join合并表，只输出报名人数不为0的项目及其对应的报名人数
df = items.set_index('item_id').join(signup.set_index('item_id'), on='item_id', how='inner') 
df.groupby('item_name')['employee_id'].count()

⭐ mode()函数的使用

# Pandas dataframe.mode()函数获取沿所选轴的每个元素的模式。
# 获取身高的众数，并返回对应的身高值
import pandas as pd
Nowcoder = pd.read_excel('./stu_data.xlsx',sheet_name='BSdata')
Nowcoder.head()
Nowcoder.loc[:,['身高']].mode()

 ⭐ 修改索引

# 修改索引
df1 = Nowcoder[Nowcoder['身高'] == 169].sort_values('支出',ascending=False).head(5)

　print(f”原索引为:{df1.index}”)

df1.index = ['0','1','2','3']
df1