編譯：yxy
出品：ATYUN訂閱號
基本的數據集信息
（1）讀取CSV數據集
pd.DataFrame.from_csv（“csv_file”）
或者
pd.read_csv（“csv_file”）
（2）讀取EXCEL數據集
pd.read_excel（ “excel_file”）
（3）將數據幀直接寫入CSV
逗號分隔，沒有索引
df.to_csv（“data.csv”，sep=“，”，index= False）
（4）基本的數據集特徵信息
df.info（）
（5）基本的數據集統計
print(df.describe())
（6）在表中打印數據幀
print（tabulate（print_table，headers= headers））
其中“print_table”是列表的列表，“headers”是字符串頭的列表
（7）列出列名
df.columns
基本的數據處理
（8）刪除丟失的數據
df.dropna（axis= 0，how='any'）
返回給定軸缺失的標籤對象，並在那裏刪除所有缺失數據（’any’：如果存在任何NA值，則刪除該行或列。）。
（9）替換丟失的數據
df.replace（to_replace= None，value= None）
將“to_replace”中的值替換爲“value”。
（10）檢查缺失值
pd.isnull(object)
檢測缺失值（數值數組中的NaN，對象數組中的None/ NaN）
（11）刪除特徵
df.drop('feature_variable_name', axis=1)axis中0對應行，1對應列。
（12）將對象類型轉換爲FLOAT
pd.to_numeric（df [“feature_name”]，errors='coerce'）
將對象類型轉換爲數值，以便能夠執行計算(如果它們是字符串的話)。
（13）將數據幀轉換爲NUMPY數組
df.as_matrix（）
（14）獲得數據幀的前N行
df.head(n)
（15）按特徵名稱獲取數據
df.loc [FEATURE_NAME]
數據幀操作
（16）將函數應用於數據幀
這個將數據幀的“height”列中的所有值乘以2
df["height"].apply(lambda height:2 * height)
或
def multiply(x):
return x* 2
df["height"].apply(multiply)（17）重命名列
我們將數據幀的第3列重命名爲“size”
df.rename（columns= {df.columns [2]：'size'}，inplace= True）（18）獲取列的唯一條目
在這裏，我們將獲得“名稱”列的唯一條目
df["name"].unique()
（19）訪問子數據幀
在這裏，我們抓取列的選擇，數據幀中的“name”和“size”
new_df= df [[“name”，“size”]]
（20）數據的摘要信息
# Sum of values in a data frame df.sum() # Lowest value of a data frame df.min() # Highest value df.max() # Index of the lowest value df.idxmin() # Index of the highest value df.idxmax() # Statistical summary of the data frame, with quartiles, median, etc. df.describe() # Average values df.mean() # Median values df.median() # Correlation between columns df.corr() # To get these values for only one column, just select it like this# df["size"].median()
（21）對數據進行排序
df.sort_values(ascending= False)
（22）布爾索引
在這裏，我們將過濾名爲“size”的數據列，僅顯示值等於5的
df [df [“size”]== 5]
（23）選擇值
選擇“size”列的第一行
view source
df.loc（[0]，['size']）