pandas处理数据的基本方法

　　pandas的数据结构常用到一维(series)，二维(DataFrame)等：

　　对于二维数据

　　二维数据包含行索引和列索引

　　行索引叫index，axis=0

　　列索引叫columns，axis=1

　　下面使用代码构造一个二维结构数据如下：

　　import pandas as pd

　　import numpy as np

　　# normal里面参数，此次构造的是平均值为0，标准差为1，10行11列数据

　　test_data = np.random.normal(0,1,[10,11])

　　test_data_frame = pd.DataFrame(test_data)

　　print(test_data_frame)

　　可以看出，默认添加了行索引[index]和列索引[columns]

　　若需要自己指定行索引或者列索引，可以在构造DataFrame时加相应参数，如下这样： np.random.normal(0,1,[10,11])

　　index_list = ["row"+str(i) for i in range(10)]

　　column_list = ["column"+str(i) for i in range(11)]

　　test_data_frame = pd.DataFrame(test_data,index=index_list,columns=column_list)

　　print(test_data_frame)

　　打印效果如下：

　　可以通过test_data .shape获取数据的行列形状([10，11]),即可以这样获取数据的行数和列数：

　　# 获取行数

　　test_data.shape[0]

　　# 获取列数

　　test_data.shape[1]

　　对于DataFrame的其他数据获取如下：

　　# 获取行索引列表

　　test_data_frame.index

　　# 获取列索引列表

　　test_data_frame.columns

　　# 获取除索引外的数据矩阵值

　　test_data_frame.values

　　# 将数据转置(包括索引)

　　test_data_frame.T

　　# 获取数据前num行(若没有num值，默认获取前五行)

　　num=5

　　test_data_frame.head(num)

　　# 获取数据后num行(若没有num值，默认获取后五行)

　　test_data_frame.tail(num)

　　# 将原来的行索引删除，变成默认的数字行索引

　　test_data_frame = test_data_frame.reset_index(drop=True)

　　# 将原来的行索引变成值，用默认的数字行索引作为行索引

　　test_data_frame = test_data_frame.reset_index()

　　还可以设置多重索引如下：

　　test_data_frame=test_data_frame.set_index(keys=['column0','column1'])

　　print(test_data_frame)

　　打印效果如下：

　　此时的数据结构为MultiIndex结构数据(三维数据)

　　可以通过pandas生成一组连续时间序列

　　# 构建一个从2018.1.1开始的10天时间序列

　　date_test = pd.date_range(start='2018-1-1',end=None,periods=10,freq="D")

　　print(date_test)

　　打印效果如下：

　　其中start为开始时间，end为结束时间，periods为相隔天数(若无end的情况下)，freq为指定间隔时间，默认为“D”(每天)，可以指定“12H”表示每12小时，“B”每个工作日(周一到周五，包含节假日)

　　series一维结构：

　　一维数据(series)只有行索引

　　即将二维Dataframe取特定行就是一维数据如：

　　serise_data = test_data_frame['column1']

　　print(serise_data)

　　打印效果如下：

　　pandas中二维Dataframe数据获取

　　直接使用索引获取数据必须先列后行

　　如取第一列，第三行数据，test_data_frame[‘column0’][‘row2’]

　　通过索引获取数据：

　　通过索引名获取范围数据

　　# start_index:end_index,表示开始的行索引到结束的行索引，xx_column表示取哪一列的值

　　test_data_frame.loc[start_index:end_index,xx_column]

　　通过索引下标获取范围数据

　　# 表示取第0行到第3行的xx_column列的值

　　test_data_frame.iloc[0:3,xx_column]

　　通过索引进行排序

　　# ascending默认为Ture升序

　　test_data_frame = test_data_frame.sort_index(ascending=False,)

　　print(test_data_frame)

　　打印效果如下：

　　通过内容进行排序

　　# by指定通过哪一列排序，此处为第二列，降序

　　test_data_frame = test_data_frame.sort_values(by="column1",ascending=False,)

　　print(test_data_frame)

　　打印效果如下：

　　DataFrame数据统计分析的基本方法

　　求极值的方法

　　求最大值：

　　# 对列求最大值

　　test_data_frame.max(0)

　　# 对行求最大值

　　test_data_frame.max(1)

　　# 求最小值同理

　　test_data_frame.max(0) #对列求最小值

　　test_data_frame.max(1) #对行求最小值

　　对列求最大值如下：

　　对行求最大值如下：

　　还可以获取最大值和最小值的位置

　　# 获取列最大值的位置

　　test_data_frame.idxmax(axis=0)

　　# 获取行最大值的位置

　　test_data_frame.idxmax(axis=1)

　　# 获取列最小值得位置

　　test_data_frame.idxmin(axis=0)

　　# 获取行最小值得位置

　　test_data_frame.idxmin(axis=1)

　　列最大值的位置如下：

　　行最大值位置如下：

　　累计求和无锡正规妇科医院 http://www.jlfukeyy.com/

　　# 累计求第二列的值

　　test_data_frame.column1.cumsum()

　　打印结果如下：

　　不能使用test_data_frame.row1.cumsum()累计求行的和

　　通过比较大小来筛选数据

　　# 取第二列大于0，且第四列大于0的数据

　　test_data_frame[(test_data_frame['column1'] > 0) & (test_data_frame['column3'] > 0)]

　　打印效果如下：

　　还可以这样筛选如下：

　　# 取第二列大于0，且第四列大于0的数据

　　test_data_frame.query("column1>0 & column3>0")

　　打印结果与上面一致

　　文件读写方法

　　读取csv文件

　　# 读取xxxx.csv文件，并只读取第二列和第三列数据

　　csv_dataframe = pd.read_csv("xxxx.csv",usecols=['column1', 'column2'])

　　读取excel文件

　　# 读取xxx.xlsx文件

　　excel_data = pd.read_excel('xxx.xlsx')

　　写入csv文件

　　# index表示是否将行索引写入文件，columns指定将哪几列写入到文件

　　# mode默认为r，表示重写，a表示追加,header表示是否将索引列写入文件

　　test_data_frame.to_csv('xxx.csv',index=False,columns=['column1','column2','column3'],mode='a',header=False)

　　写入到excel文件类似的

　　# index表示是否将行索引写入文件，columns指定将哪几列写入到文件

　　# excel没有mode参数,header表示是否将索引列写入文件

　　test_data_frame.to_excel('xxx.xlsx',index=False,columns=['column1','column2','column3'],header=False)

　　excel如下：

　　缺失值处理的方法

　　处理缺失值为NaN的数据

　　可以删除NaN的行：test_data_frame.dropna()

　　也可以以其他值添加：

　　# 将第二列数据的NaN值用该列的平均值替换，test_data_frame['column1'].mean()取第二列的平均值

　　test_data_frame['column1'].fillna(test_data_frame['column1'].mean(),inplace=True)

　　处理缺失值为其他(如?)的数据

　　其他格式异常值替换可以先将其替换成NaN的值再通过NaN替换成其他如平均值等

　　# 将test_data_frame 中的?全部替换成NaN的值

　　test_data_frame = test_data_frame.replace(to_replace="?",value=np.nan)

　　然后再通过上面的缺失值NaN处理