主要操作兩個對象：一維帶標簽數組?和?二維表格DataFrame

一維帶標簽數組Series

pd.Series([1, 3, 5, np.nan, 6, 8])? ，結果如下：

?可指定索引，pd.Series([1, 3, 5], index=['a', 'b', 'c']) ?

二維表格DataFrame

創建時需要指定列名，如

字典創建

data = {'姓名': ['Alice', 'Bob', 'Charlie'],'年齡': [25, 30, 35],'評分': [85.5, 90.0, 88.5]
}
df = pd.DataFrame(data)

列表創建

列表不像字典，需額外指定列名

data = [['Alice', 25, 85.5],['Bob', 30, 90.0],['Charlie', 35, 88.5]
]
columns = ['姓名', '年齡', '評分']
df = pd.DataFrame(data, columns=columns,index=[索引內容])

?index：指定行索引，為一個列表類型，長度要匹配，可以省去。默認行索引為0,1,2......

上面兩種方式結果都如下

表格數據統計

head(n)? ? ? ? ? ? ? ? 查看前n行數據

tail（n）? ? ? ? ? ? ? ?查看后n行數據

shape? ? ? ? ? ? ? ? ? 查看行數、列數

cloumns? ? ? ? ? ? ? ?查看列名

describe（）? ? ? ? 統計摘要（計數、均值、標準差等）

info（）? ? ? ? ? ? ? ? 查看基本信息

corr（）? ? ? ? ? ? ? ? 列與列的相關系數

簡單可視化實現（用到pyplot）

將表中的單獨一行，或單獨一列數據拿出來繪制圖表

df['?列名?'].plot()? ? ? ? ? ? ? ? ? #找出某行數據，以行為x軸

df.loc[' 行索引 '].plot? ? ? ? ? ?#找出某行數據，以列為x軸

最后plt.show()即可

表格數據篩選與過濾?

索引查找

按列名索引? ? ? ? ? ? ? ? df [ '年齡' ]

按位置索引(整數)? ?? ?df.iloc [ '0' ] #第一行???????df.iloc [ 1:3，0:2?]? #第2-3行，第1-2列（左閉右開）

按標簽索引????????????????df.loc [df['年齡'] > 30] ? ? ? ? ?# 篩選年齡>30的行

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? df.loc [ :, ['姓名', '評分']] ? ? ?# 選取指定列?

按指定位置索引? ? ? ? ?df.loc ['行索引', ['A', 'B']]? ? ? #指定行+列，若表數據未指定行索引，? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? #默認按?0,1,2.....來

?篩選查找

年齡>30且評分>88的

filtered = df[(df['年齡'] > 30) & (df['評分'] > 88)]

上面方法查找到的數據，定位到之后可直接進行賦值修改

唯一值與去重

unique_names = df['姓名'].unique() # 列中唯一值

df.drop_duplicates(subset=['姓名']) # 按列去重

sort_values(by= '評分' ,ascending=False)? ? ? ? ? ? ? ? ?按評分降序排列，為True時升序

數據清洗

查找無效值，并填充NaN

isnull()? ? ? ? 顯示無效值信息

fillna(value=0, inplace=True)? ? ? 填充缺失值，inplace=False時默認填充NAN，也可以value='NaN'

刪除缺失信息的行

dropna(subset=[ '評分' ])

依次檢測subset中的列?，將每列中有NaN值存在的所在行進行刪除

一般要先進行數據清洗，將表中的空值和None值 轉換為NaN，dropna只針對NaN值進行刪除

?drop(columns=['年齡差值'], inplace=True)? ? ? ? ? ?刪除整列

df[ '年齡' ].astype( 'int' )? ? ? ? 轉換為整數類型

df.[ '評分' ].round(1)? ? ? ? ? ? ? 保留1位小數

df['年齡差值'] = df['年齡'] - df['年齡'].min()????????????????新增列（基于現有列計算）

分組

groupby( '年齡' )? ? ? ? ? ? ? ? 按年齡進行分組

df.groupby('年齡')['評分'].mean()    #在年齡這一組，計算評分的平均值

?groupby( '年齡' ).agg? ? ? ? ? ? ? ? 按年齡這一組，進行多列分組聚合

df.groupby('年齡').agg({'評分': 'mean','姓名': 'count'
})

?表格關聯合并

表單數據進行合并連接，這里使用內連接為例，數據庫內連接、外連接不懂得可以去自行查閱

merge(df1, df2, on = 'ID'?,how = 'inner' )

df1 = pd.DataFrame({'ID': [1, 2, 3], '姓名': ['Alice', 'Bob', 'Charlie']})
df2 = pd.DataFrame({'ID': [2, 3, 4], '成績': [90, 85, 95]})# 內連接（基于ID列）
merged = pd.merge(df1, df2, on='ID', how='inner')

強拼接，按維度直接進行強拼接（比較生硬）

concat([ df1, df2 ], axis =0)? ? ? ? ? ? ? ? 按行進行拼接，axis=1 為按列

導出/讀入數據

• to_csv( '文件路徑+名稱?.csv', index = False?)? ? ? ?
  • 保存為csv文件，index=False表示不保存行索引
• to_excel( '文件路徑+名稱 .xlsx' , sheet_name = '表名', index = False)
  • sheet_name 設置表格的名稱，默認為Sheet1，index 表示是否保存行索引
• read_csv( '文件路徑+名稱?.csv' )
• read_excel( '文件路徑+名稱 .xlsx' , sheet_name = '表名')
  • sheet_name：指定為文件中的哪一個工作表