python小白的入门（二）：pandas常用函数

1. 读取
   df = pd.read_csv(‘文件名’，encoding = ‘utf’/‘gbk’/,sep=’\t’)

2. 查看基本信息
   df.info()
   df.head()
   df.describe()
   df.列名.value_counts()

3. 更改某一列的数据类型（series下）
   df.列名.astype(‘str’/‘int’)

4. 排序
   df.sort_values(by = 列名/列表，ascending=True/False)
   df.sort_index()索引排序

5. 排序赋值（series下）
   df[‘rank’]= df.列名.rank(method='average/‘max’/‘min’/‘first’,ascending=False)

6. 分组统计(pandas下)
   df[‘bins’] = pd.cut(df.列名,bins=5/[0,5,10,15,20,100],labels=[‘0-5’,‘5-10’,‘10-15’,‘15-20’,‘20-100’])

7. 多重索引
   用groupby建多重索引：
   df.groupby(分组列表).聚合函数为DataFrame类型，之后可用.loc[一级标签，二级标签]取值
   df.groupby(分组列表).聚合函数.列名为Series类型，之后可用[一级标签][二级标签]取值
   用set_index建多重索引：
   df.sort_values(分组列表).set_index(分组列表)
   用reset_index将索引变成列：
   df.reset_index()

8. groupby
   df.groupby(列名)中包含两个类型的数据，第一个是tuple，存储的是索引；第二个是DataFrame，存储的是组内数据。
   因此可用以下循环语句对组内数据进行聚合运算：
   for i，j in df.groupby([‘city’,‘education’]):
   print(i)
   print(j.avg.max()-j.avg.min())
   print(j.workYear.value_counts())

9. 多表连接
   merge：基于键值连接
   pandas函数和DataFrame函数
   pandas.merge（position,company,left_on=,right_on=,how=inner/outer/left/right）
   position.merge(company,left_on=,right_on=,how=inner/outer/left/right)
   tips1:当两个表要连接的列名不一致时用left_on和right_on，结果会保留两个列；当一致时用on即可，只保留一列。
   join：基于索引连接
   DataFrame函数
   position.join(company)
   tips2:当两个表中存在相同列时会报错
   concat： 简单粗暴的左右或上下堆叠
   pandas函数
   axis=0时为上下堆叠，相同列合并，行数累加，索引重复，主要用于时间数据的堆叠。
   axis=1时为左右堆叠，相同列不合并，和join相似
   tips3：当使用concat对多个月份数据堆叠时，别忘了修改索引。

10. 缺失值
    填充缺失值：fillna,Series函数和DataFrame函数
    df.city.fillna(‘上海’)
    df.fillna(‘上海’)
    删除缺失值：dropna,Series函数和DataFrame函数
    df.city.dropna()
    df.dropna()

11. 重复行
    查找重复行：
    df[df.duplicated()]
    删除重复行
    df.drop_duplicates(keep=‘first’/‘last’)

12. 文本函数
    str：对值里的字符串进行处理,Series函数
    df.city.str[1：2]：删除第一个字，[1:-1]删除第一个和最后一个字
    df.city.str.replace(原字符，新字符)
    str.下有很多函数

来源：CSDN

作者：touteng_code

链接：https://blog.csdn.net/u013078409/article/details/104179464