在这个速查手册中，我们使用如下缩写
df #任意的Pandas DataFrame对象
s #任意的Pandas Series对象
同时我们需要做如下的引入
import pandas as pd
import numpy as np
导入数据
pd.read_csv(filename) #从CSV文件导入数据
pd.read_table(filename) #从限定分隔符的文本文件导入数据
pd.read_excel(filename) #从Excel文件导入数据
pd.read_sql(query, connection_object) #从SQL表/库导入数据
pd.read_json(json_string) #从JSON格式的字符串导入数据
pd.read_html(url) #解析URL、字符串或者HTML文件，抽取其中的tables表格
pd.read_clipboard() #从你的粘贴板获取内容，并传给read_table()
pd.DataFrame(dict) #从字典对象导入数据，Key是列名，Value是数据
导出数据
df.to_csv(filename) #导出数据到CSV文件
df.to_excel(filename) #导出数据到Excel文件
df.to_sql(table_name, connection_object) #导出数据到SQL表
df.to_json(filename) #以Json格式导出数据到文本文件
创建测试对象
pd.DataFrame(np.random.rand(20,5)) #创建20行5列的随机数组成的DataFrame对象
pd.Series(my_list) #从可迭代对象my_list创建一个Series对象
df.index = pd.date_range(‘1900/1/30’, periods=df.shape[0]) #增加一个日期索引
查看、检查数据
df.head(n) #查看DataFrame对象的前n行
df.tail(n) #查看DataFrame对象的最后n行
df.shape() #查看行数和列数
df.info() #查看索引、数据类型和内存信息
df.describe() #查看数值型列的汇总统计
s.value_counts(dropna=False) #查看Series对象的唯一值和计数
df.apply(pd.Series.value_counts) #查看DataFrame对象中每一列的唯一值和计数
数据选取
df[col] #根据列名，并以Series的形式返回列
df[[col1, col2]] #以DataFrame形式返回多列
s.iloc[0] #按位置选取数据
s.loc[‘index_one’] #按索引选取数据
df.iloc[0,:] #返回第一行
df.iloc[0,0] #返回第一列的第一个元素
df.values[:,:-1]:返回除了最后一列的其他列的所以数据
df.query(’[1, 2] not in c’): 返回c列中不包含1，2的其他数据集
数据清理
df.columns = [‘a’,‘b’,‘c’] #重命名列名
pd.isnull() #检查DataFrame对象中的空值，并返回一个Boolean数组
pd.notnull() #检查DataFrame对象中的非空值，并返回一个Boolean数组
df.dropna() #删除所有包含空值的行
df.dropna(axis=1) #删除所有包含空值的列
df.dropna(axis=1,thresh=n) #删除所有小于n个非空值的行
df.fillna(x) #用x替换DataFrame对象中所有的空值
s.astype(float) #将Series中的数据类型更改为float类型
s.replace(1,‘one’) #用‘one’代替所有等于1的值
s.replace([1,3],[‘one’,‘three’]) #用’one’代替1，用’three’代替3
df.rename(columns=lambda x: x + 1) #批量更改列名
df.rename(columns={‘old_name’: ‘new_ name’}) #选择性更改列名
df.set_index(‘column_one’) #更改索引列
df.rename(index=lambda x: x + 1) #批量重命名索引
数据处理 #Filter、Sort和GroupBy
df[df[col] > 0.5] #选择col列的值大于0.5的行
df.sort_values(col1) #按照列col1排序数据，默认升序排列
df.sort_values(col2, ascending=False) #按照列col1降序排列数据
df.sort_values([col1,col2], ascending=[True,False]) #先按列col1升序排列，后按col2降序排列数据
df.groupby(col) #返回一个按列col进行分组的Groupby对象
df.groupby([col1,col2]) #返回一个按多列进行分组的Groupby对象
df.groupby(col1)[col2] #返回按列col1进行分组后，列col2的均值
df.pivot_table(index=col1, values=[col2,col3], aggfunc=max) #创建一个按列col1进行分组，并计算col2和col3的最大值的数据透视表
df.groupby(col1).agg(np.mean) #返回按列col1分组的所有列的均值
data.apply(np.mean) #对DataFrame中的每一列应用函数np.mean
data.apply(np.max,axis=1) #对DataFrame中的每一行应用函数np.max
数据合并
df1.append(df2) #将df2中的行添加到df1的尾部
df.concat([df1, df2],axis=1) #将df2中的列添加到df1的尾部
df1.join(df2,on=col1,how=‘inner’) #对df1的列和df2的列执行SQL形式的join
数据统计
df.describe() #查看数据值列的汇总统计
df.mean() #返回所有列的均值
df.corr() #返回列与列之间的相关系数
df.count() #返回每一列中的非空值的个数
df.max() #返回每一列的最大值
df.min() #返回每一列的最小值
df.median() #返回每一列的中位数
df.std() #返回每一列的标准差
