【十分钟Python知识点】pandas最详细教程

pandas 最有趣的地方在于里面隐藏了很多包。它是一个核心包，里面有很多其他包的功能。这点很棒，因为你只需要使用 pandas 就可以完成工作。

pandas 相当于 python 中 excel：它使用表（也就是 dataframe)，能在数据上做各种变换，但还有其他很多功能。

如果你早已熟知 python 的使用，可以直接跳到第三段。

让我们开始吧：

1. import pandas as pd

复制代码

问为什么是「pd」而不是「p」，就是这样。用就行了:)

pandas 最基本的功能

读取数据

1. data = pd.read_csv( my_file.csv )
   
2. data = pd.read_csv( my_file.csv , sep= ; , encoding= latin-1 , nrows=1000, skiprows=[2,5])

复制代码

sep 代表的是分隔符。如果你在使用法语数据，excel 中 csv 分隔符是「;」，因此你需要显式地指定它。编码设置为 latin-1 来读取法语字符。nrows=1000 表示读取前 1000 行数据。skiprows=[2,5] 表示你在读取文件的时候会移除第 2 行和第 5 行。

最常用的功能：read_csv, read_excel

其他一些很棒的功能：read_clipboard, read_sql

写数据

1. data.to_csv( my_new_file.csv , index=None)

复制代码

index=None 表示将会以数据本来的样子写入。如果没有写 index=None，你会多出一个第一列，内容是 1，2，3，...，一直到最后一行。

我通常不会去使用其他的函数，像.to_excel, .to_json, .to_pickle 等等，因为.to_csv 就能很好地完成工作，并且 csv 是最常用的表格保存方式。

检查数据

1. Gives (#rows, #columns)

复制代码

给出行数和列数

1. data.describe()

复制代码

计算基本的统计数据

查看数据

1. data.head(3)

复制代码

打印出数据的前 3 行。与之类似，.tail() 对应的是数据的最后一行。

1. data.loc[8]

复制代码

打印出第八行

1. data.loc[8,  column_1 ]

复制代码

打印第八行名为「column_1」的列

1. data.loc[range(4,6)]

复制代码

第四到第六行（左闭右开）的数据子集

pandas 的基本函数

逻辑运算

1. data[data[ column_1 ]== french ]
   
2. data[(data[ column_1 ]== french ) & (data[ year_born ]==1990)]
   
3. data[(data[ column_1 ]== french ) & (data[ year_born ]==1990) & ~(data[ city ]== London )]

复制代码

通过逻辑运算来取数据子集。要使用 & (AND)、 ~ (NOT) 和 | (OR)，必须在逻辑运算前后加上「and」。

1. data[data[ column_1 ].isin([ french ,  english ])]

复制代码

除了可以在同一列使用多个 OR，你还可以使用.isin() 函数。

基本绘图

matplotlib 包使得这项功能成为可能。正如我们在介绍中所说，它可以直接在 pandas 中使用。

1. data[ column_numerical ].plot()

复制代码

（）.plot() 输出的示例

1. data[ column_numerical ].hist()

复制代码

画出数据分布（直方图）



.hist() 输出的示例

1. %matplotlib inline

复制代码

如果你在使用 Jupyter，不要忘记在画图之前加上以上代码。

更新数据

1. data.loc[8,  column_1 ] =  english
   
2. 将第八行名为 column_1 的列替换为「english」

复制代码

1. data.loc[data[ column_1 ]== french ,  column_1 ] =  French

复制代码

一行代码中改变多列的值

好了，现在你可以做一些在 excel 中可以轻松访问的事情了。下面让我们深入研究 excel 中无法实现的一些令人惊奇的操作吧。

中级函数

统计出现的次数

1. data[ column_1 ].value_counts()

复制代码

.value_counts() 函数输出示例

在所有的行、列或者全数据上进行操作

1. data[ column_1 ].map(len)

复制代码

len() 函数被应用在了「column_1」列中的每一个元素上

.map() 运算给一列中的每一个元素应用一个函数

1. data[ column_1 ].map(len).map(lambda x: x/100).plot()

复制代码

pandas 的一个很好的功能就是链式方法（https://tomaugspurger.github.io/method-chaining）。它可以帮助你在一行中更加简单、高效地执行多个操作（.map() 和.plot()）。

1. data.apply(sum)

复制代码

.apply() 会给一个列应用一个函数。

.applymap() 会给表 (DataFrame) 中的所有单元应用一个函数。

tqdm, 唯一的

在处理大规模数据集时，pandas 会花费一些时间来进行.map()、.apply()、.applymap() 等操作。tqdm 是一个可以用来帮助预测这些操作的执行何时完成的包（是的，我说谎了，我之前说我们只会使用到 pandas）。

1. from tqdm import tqdm_notebook
   
2. tqdm_notebook().pandas()

复制代码

用 pandas 设置 tqdm

1. data[ column_1 ].progress_map(lambda x: x.count( e ))

复制代码

用 .progress_map() 代替.map()、.apply() 和.applymap() 也是类似的。

在 Jupyter 中使用 tqdm 和 pandas 得到的进度条

相关性和散射矩阵

1. data.corr()
   
2. data.corr().applymap(lambda x: int(x*100)/100)

复制代码

.corr() 会给出相关性矩阵

1. pd.plotting.scatter_matrix(data, figsize=(12,8))

复制代码

点矩阵的例子。它在同一幅图中画出了两列的所有组合。

pandas 中的高级操作

The SQL 关联

在 pandas 中实现关联是非常非常简单的

1. data.merge(other_data, on=[ column_1 ,  column_2 ,  column_3 ])

复制代码

关联三列只需要一行代码

分组

一开始并不是那么简单，你首先需要掌握语法，然后你会发现你一直在使用这个功能。

1. data.groupby( column_1 )[ column_2 ].apply(sum).reset_index()

复制代码

按一个列分组，选择另一个列来执行一个函数。.reset_index() 会将数据重构成一个表。



正如前面解释过的，为了优化代码，在一行中将你的函数连接起来。

行迭代

1. dictionary = {}
   
2. 
   
3. for i,row in data.iterrows():
   
4. dictionary[row[ column_1 ]] = row[ column_2 ]

复制代码

.iterrows() 使用两个变量一起循环：行索引和行的数据 (上面的 i 和 row)

总而言之，pandas 是 python 成为出色的编程语言的原因之一

本文转自『机器之心编译』