Pandas

python库

参考

10 Minutes to pandas

十分钟快速入门 Pandas

Pandas速查手册中文版

引入

from pandas import Series, DataFrame
import pandas as pd

读写文件数据

读写excel文件

pd.read_excel('filename', 'tablename', index_col=None, na_values=['NA'])   # 读取文件数据
df.to_excel('filename', sheet_name='tablename') #将df中的数据写入excel文件

读写CSV文件

df.to_csv('filename.csv')   # 将df中的数据写入CSV文件中
pd.read_csv('filename.csv')   # 读csv文件数据

读写HDF5文件

df.to_hdf('filename.h5','df')   # 写
pd.read_hdf('filename.h5','df')  # 读

Pandas中的数据类型

Pandas 基于两种数据类型，Series 和 Dataframe。

series 是一种一维的数据类型，其中的每个元素都有各自的标签。如果你之前看过这个系列关于 Numpy 的推文，你可以把它当作一个由带标签的元素组成的 numpy 数组。标签可以是数字或者字符。

dataframe 是一个二维的、表格型的数据结构。Pandas 的 dataframe 可以储存许多不同类型的数据，并且每个轴都有标签。你可以把它当作一个 series 的字典。

Series

Series = 索引 + 数据

创建Series

pd.Series(data, index=index)
# data： a python dict/list， an ndarray， a value
# index: a python list of labels
pd.Series(np.random.randn(5), index=['a', 'b', 'c', 'd', 'e'])    # 从ndarray中读入
pd.Series({'a' : 0., 'b' : 1., 'c' : 2.})    # 从字典中读入
pd.Series(5., index=['a', 'b', 'c', 'd', 'e'])   # 读入数字

对Series的操作

# Series is ndarray-like
s[0]    # 访问第一个元素
s[:3]   # 访问第一个元素到第3个元素
# Series is dict-like
s['example_index'] = value
example_index in s

• pd.read_csv：这个函数的参数有很多，这里只讲解提到的参数：

  pandas.read_csv参数详解

  官方手册

  pandas.read_csv(filepath_or_buffer, sep=', ',  header='infer', names=None, ...)
  返回值： 一个DataFrame数组

  • filepath_or_buffer：文件路径。

  • names：array-like, default None，用于结果的列名列表，如果数据文件中没有列标题行，就需要执行header=None。默认列表中不能出现重复，除非设定参数mangle_dupe_cols=True。

  • header：int or list of ints, default ‘infer’。指定行数用来作为列名，数据开始行数。

    如果文件中没有列名，则默认为0，否则设置为None。

    如果明确设定header=0 就会替换掉原来存在列名。

• pandas.DataFrame.pop

  参考：官方文档

  • 从DataFrame数组中删除item代表的那一列，并将该列作为返回。

  • 返回值：Return item and drop from frame. Raise KeyError if not found.

  DataFrame.pop(item)

  • item： str类型，要删除的列名