资源 ｜ 23种Pandas核心操作，你需要过一遍吗？ 选自 Medium 作者：George Seif 机器之心编译 参与：思源 Pandas 是一个 Python 软件库，它提供了大量能使我们快速便捷地处理数据的函数和方法。一般而言，Pandas 是使 Python 成为强大而高效的数据分析环境的重要因素之一。在本文中，作者从基本数据集读写、数据处理和 DataFrame 操作三个角度展示了 23 个 Pandas 核心方法。 Pandas 是基于 NumPy 构建的库，在数据处理方面可以把它理解为 NumPy 加强版，同时 Pandas 也是一项开源项目。它基于 Cython，因此读取与处理数据非常快，并且还能轻松处理浮点数据中的缺失数据（表示为 NaN）以及非浮点数据。在本文中，基本数据集操作主要介绍了 CSV 与 Excel 的读写方法，基本数据处理主要介绍了缺失值及特征抽取，最后的 DataFrame 操作则主要介绍了函数和排序等方法。 基本数据集操作 （1）读取 CSV 格式的数据集 pd.DataFrame.from_csv(“csv_file”) 或者： pd.read_csv(“csv_file”) （2）读取 Excel 数据集 pd.read_excel("excel_file") （3）将 DataFrame 直接写入 CSV 文件 如下采用逗号作为分隔符，且不带索引： df.to_csv("data.csv",sep=",",index=False) （4）基本的数据集特征信息 df.info() （5）基本的数据集统计信息 print(df.describe()) (6) Print data frame in a table 将 DataFrame 输出到一张表： print(tabulate(print_table,headers=headers)) 当「print_table」是一个列表，其中列表元素还是新的列表，「headers」为表头字符串组成的列表。 （7）列出所有列的名字 df.columns 基本数据处理 （8）删除缺失数据 df.dropna(axis=0,how='any') 返回一个 DataFrame，其中删除了包含任何 NaN 值的给定轴，选择 how=「all」会删除所有元素都是 NaN 的给定轴。 （9）替换缺失数据 df.replace(to_replace=None,value=None) 使用 value 值代替 DataFrame 中的 to_replace 值，其中 value 和 to_replace 都需要我们赋予不同的值。 （10）检查空值 NaN pd.isnull(object) 检查缺失值，即数值数组中的 NaN 和目标数组中的 None/NaN。 （11）删除特征 df.drop('feature_variable_name',axis=1) axis 选择 0 表示行，选择表示列。 （12）将目标类型转换为浮点型 pd.to_numeric(df["feature_name"],errors='coerce') 将目标类型转化为数值从而进一步执行计算，在这个案例中为字符串。 （13）将 DataFrame 转换为 NumPy 数组 df.as_matrix() （14）取 DataFrame 的前面「n」行 df.head(n) （15）通过特征名取数据 df.loc[feature_name] DataFrame 操作 （16）对 DataFrame 使用函数 该函数将令 DataFrame 中「height」行的所有值乘上 2： df["height"].apply(*lambda*height:2*height) 或： defmultiply(x): returnx*2 df["height"].apply(multiply) （17）重命名行 下面代码会重命名 DataFrame 的第三行为「size」： df.rename(columns={df.columns[2]:'size'},inplace=True) （18）取某一行的唯一实体 下面代码将取「name」行的唯一实体： df["name"].unique() （19）访问子 DataFrame 以下代码将从 DataFrame 中抽取选定了的行「name」和「size」： new_df=df[["name","size"]] （20）总结数据信息 #Sumofvaluesinadataframe df.sum() #Lowestvalueofadataframe df.min() #Highestvalue df.max() #Indexofthelowestvalue df.idxmin() #Indexofthehighestvalue df.idxmax() #Statisticalsummaryofthedataframe,withquartiles,median,etc. df.describe() #Averagevalues df.mean() #Medianvalues df.median() #Correlationbetweencolumns df.corr() #Togetthesevaluesforonlyonecolumn,justselectitlikethis# df["size"].median() （21）给数据排序 df.sort_values(ascending=False) （22）布尔型索引 以下代码将过滤名为「size」的行，并仅显示值等于 5 的行： df[df["size"]==5] （23）选定特定的值 以下代码将选定「size」列、第一行的值： df.loc([0],['size']) 原文链接：https://towardsdatascience.com/23-great-pandas-codes-for-data-scientists-cca5ed9d8a38 本文为机器之心编译，转载请联系本公众号获得授权。 ?------------------------------------------------ 加入机器之心（全职记者 / 实习生）：hr@jiqizhixin.com 投稿或寻求报道：content@jiqizhixin.com 广告 & 商务合作：bd@jiqizhixin.co