總結了這67個pandas函式，完美解決資料處理，拿來即用！

不管是業務資料分析 ，還是資料建模，資料處理都是及其重要的一個步驟，它對于最終的結果來說，至關重要，

今天，就為大家總結一下 “Pandas資料處理” 幾個方面重要的知識，拿來即用，隨查隨查，

• 導?資料
• 匯出資料
• 查看資料
• 資料選取
• 資料處理
• 資料分組和排序
• 資料合并

# 在使用之前，需要匯入pandas庫
import pandas as pd

導?資料

這里我為大家總結7個常見用法，

pd.DataFrame() # 自己創建資料框，用于練習

pd.read_csv(filename) # 從CSV?件導?資料

pd.read_table(filename) # 從限定分隔符的?本?件導?資料

pd.read_excel(filename) # 從Excel?件導?資料

pd.read_sql(query,connection_object) # 從SQL表/庫導?資料

pd.read_json(json_string) # 從JSON格式的字串導?資料

pd.read_html(url) # 決議URL、字串或者HTML?件，抽取其中的tables表格

匯出資料

這里為大家總結5個常見用法，

df.to_csv(filename) #匯出資料到CSV?件

df.to_excel(filename) #匯出資料到Excel?件

df.to_sql(table_name,connection_object) #匯出資料到SQL表

df.to_json(filename) #以Json格式匯出資料到?本?件

writer=pd.ExcelWriter('test.xlsx',index=False) 
df1.to_excel(writer,sheet_name='單位')和writer.save()，將多個資料幀寫?同?個?作簿的多個sheet(?作表)

查看資料

這里為大家總結11個常見用法，

df.head(n) # 查看DataFrame物件的前n?

df.tail(n) # 查看DataFrame物件的最后n?

df.shape() # 查看?數和列數

df.info() # 查看索引、資料型別和記憶體資訊

df.columns() # 查看欄位（??）名稱

df.describe() # 查看數值型列的匯總統計

s.value_counts(dropna=False) # 查看Series物件的唯?值和計數

df.apply(pd.Series.value_counts) # 查看DataFrame物件中每?列的唯?值和計數

df.isnull().any() # 查看是否有缺失值

df[df[column_name].duplicated()] # 查看column_name欄位資料重復的資料資訊

df[df[column_name].duplicated()].count() # 查看column_name欄位資料重復的個數

資料選取

這里為大家總結10個常見用法，

df[col] # 根據列名，并以Series的形式回傳列

df[[col1,col2]] # 以DataFrame形式回傳多列

s.iloc[0] # 按位置選取資料

s.loc['index_one'] # 按索引選取資料

df.iloc[0,:] # 回傳第??

df.iloc[0,0] # 回傳第?列的第?個元素

df.loc[0,:] # 回傳第??（索引為默認的數字時，?法同df.iloc），但需要注意的是loc是按索引,iloc引數只接受數字引數

df.ix[[:5],["col1","col2"]] # 回傳欄位為col1和col2的前5條資料，可以理解為loc和
iloc的結合體，

df.at[5,"col1"] # 選擇索引名稱為5，欄位名稱為col1的資料

df.iat[5,0] # 選擇索引排序為5，欄位排序為0的資料

資料處理

這里為大家總結16個常見用法，

df.columns= ['a','b','c'] # 重命名列名（需要將所有列名列出，否則會報錯）

pd.isnull() # 檢查DataFrame物件中的空值，并回傳?個Boolean陣列

pd.notnull() # 檢查DataFrame物件中的?空值，并回傳?個Boolean陣列

df.dropna() # 洗掉所有包含空值的?

df.dropna(axis=1) # 洗掉所有包含空值的列

df.dropna(axis=1,thresh=n) # 洗掉所有?于n個?空值的?

df.fillna(value=x) # ?x替換DataFrame物件中所有的空值，?持

df[column_name].fillna(x)

s.astype(float) # 將Series中的資料型別更改為float型別

s.replace(1,'one') # ?‘one’代替所有等于1的值

s.replace([1,3],['one','three']) # ?'one'代替1，?'three'代替3

df.rename(columns=lambdax:x+1) # 批量更改列名

df.rename(columns={'old_name':'new_ name'}) # 選擇性更改列名

df.set_index('column_one') # 將某個欄位設為索引，可接受串列引數，即設定多個索引

df.reset_index("col1") # 將索引設定為col1欄位，并將索引新設定為0,1,2...

df.rename(index=lambdax:x+1) # 批量重命名索引

資料分組、排序、透視

這里為大家總結13個常見用法，

df.sort_index().loc[:5] # 對前5條資料進?索引排序

df.sort_values(col1) # 按照列col1排序資料，默認升序排列

df.sort_values(col2,ascending=False) # 按照列col1降序排列資料

df.sort_values([col1,col2],ascending=[True,False]) # 先按列col1升序排列，后按col2降序排列資料

df.groupby(col) # 回傳?個按列col進?分組的Groupby物件

df.groupby([col1,col2]) # 回傳?個按多列進?分組的Groupby物件

df.groupby(col1)[col2].agg(mean) # 回傳按列col1進?分組后，列col2的均值,agg可以接受串列引數，agg([len,np.mean])

df.pivot_table(index=col1,values=[col2,col3],aggfunc={col2:max,col3:[ma,min]}) # 創建?個按列col1進?分組，計算col2的最?值和col3的最?值、最?值的資料透視表

df.groupby(col1).agg(np.mean) # 回傳按列col1分組的所有列的均值,?持

df.groupby(col1).col2.agg(['min','max'])

data.apply(np.mean) # 對DataFrame中的每?列應?函式np.mean

data.apply(np.max,axis=1) # 對DataFrame中的每??應?函式np.max

df.groupby(col1).col2.transform("sum") # 通常與groupby連?，避免索引更改

資料合并

這里為大家總結5個常見用法，

df1.append(df2) # 將df2中的?添加到df1的尾部

df.concat([df1,df2],axis=1,join='inner') # 將df2中的列添加到df1的尾部,值為空的對應?與對應列都不要

df1.join(df2.set_index(col1),on=col1,how='inner') # 對df1的列和df2的列執?SQL形式的join，默認按照索引來進?合并，如果df1和df2有共同欄位時，會報錯，可通過設定lsuffix,rsuffix來進?解決，如果需要按照共同列進?合并，就要?到set_index(col1)

pd.merge(df1,df2,on='col1',how='outer') # 對df1和df2合并，按照col1，?式為outer

pd.merge(df1,df2,left_index=True,right_index=True,how='outer') #與 df1.join(df2, how='outer')效果相同