pandas基本的功能是什么

小編給大家分享一下pandas基本的功能是什么，希望大家閱讀完這篇文章后大所收獲，下面讓我們一起去探討吧！

Python 是開源的，它很棒，但是也無法避免開源的一些固有問題：很多包都在做（或者在嘗試做）同樣的事情。如果你是 Python 新手，那么你很難知道某個特定任務的最佳包是哪個，你需要有經驗的人告訴你。有一個用于數據科學的包絕對是必需的，它就是 pandas。

pandas 最有趣的地方在于里面隱藏了很多包。它是一個核心包，里面有很多其他包的功能。這點很棒，因為你只需要使用 pandas 就可以完成工作。

pandas 相當于 python 中 excel：它使用表（也就是 dataframe)，能在數據上做各種變換，但還有其他很多功能。

如果你早已熟知 python 的使用，可以直接跳到第三段。

讓我們開始吧：

import pandas as pd復制代碼

別問為什么是「pd」而不是「p」，就是這樣。用就行了:)

pandas 最基本的功能

讀取數據

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

sep 代表的是分隔符。如果你在使用法語數據，excel 中 csv 分隔符是「;」，因此你需要顯式地指定它。編碼設置為 latin-1 來讀取法語字符。nrows=1000 表示讀取前 1000 行數據。skiprows=[2,5] 表示你在讀取文件的時候會移除第 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

寫數據

data.to_csv( my_new_file.csv , index=None)復制代碼

index=None 表示將會以數據本來的樣子寫入。如果沒有寫 index=None，你會多出一個第一列，內容是 1，2，3，...，一直到最后一行。

我通常不會去使用其他的函數，像.to_excel, .to_json, .to_pickle 等等，因為.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。

檢查數據

Gives (#rows, #columns)復制代碼

給出行數和列數

data.describe()復制代碼

計算基本的統計數據

查看數據

data.head(3)復制代碼

打印出數據的前 3 行。與之類似，.tail() 對應的是數據的最后一行。

data.loc[8]復制代碼

打印出第八行

data.loc[8,  column_1 ]復制代碼

打印第八行名為「column_1」的列

data.loc[range(4,6)]復制代碼

第四到第六行（左閉右開）的數據子集

pandas 的基本函數

邏輯運算

data[data[ column_1 ]== french ]
data[(data[ column_1 ]== french ) & (data[ year_born ]==1990)]
data[(data[ column_1 ]== french ) & (data[ year_born ]==1990) & ~(data[ city ]== London )]復制代碼

通過邏輯運算來取數據子集。要使用 & (AND)、 ~ (NOT) 和 | (OR)，必須在邏輯運算前后加上「and」。

data[data[ column_1 ].isin([ french ,  english ])]復制代碼

除了可以在同一列使用多個 OR，你還可以使用.isin() 函數。

基本繪圖

matplotlib 包使得這項功能成為可能。正如我們在介紹中所說，它可以直接在 pandas 中使用。

data[ column_numerical ].plot()復制代碼

（）.plot() 輸出的示例

data[ column_numerical ].hist()復制代碼

畫出數據分布（直方圖）

.hist() 輸出的示例

%matplotlib inline復制代碼

如果你在使用 Jupyter，不要忘記在畫圖之前加上以上代碼。

更新數據

data.loc[8,  column_1 ] =  english
將第八行名為 column_1 的列替換為「english」復制代碼

data.loc[data[ column_1 ]== french ,  column_1 ] =  French復制代碼

在一行代碼中改變多列的值

好了，現在你可以做一些在 excel 中可以輕松訪問的事情了。下面讓我們深入研究 excel 中無法實現的一些令人驚奇的操作吧。

中級函數

統計出現的次數

data[ column_1 ].value_counts()復制代碼

.value_counts() 函數輸出示例

在所有的行、列或者全數據上進行操作

data[ column_1 ].map(len)復制代碼

len() 函數被應用在了「column_1」列中的每一個元素上

.map() 運算給一列中的每一個元素應用一個函數

data[ column_1 ].map(len).map(lambda x: x/100).plot()復制代碼

pandas 的一個很好的功能就是鏈式方法（tomaugspurger.github.io/method-chai… 和.plot()）。

data.apply(sum)復制代碼

.apply() 會給一個列應用一個函數。

.applymap() 會給表 (DataFrame) 中的所有單元應用一個函數。

tqdm, 唯一的

在處理大規模數據集時，pandas 會花費一些時間來進行.map()、.apply()、.applymap() 等操作。tqdm 是一個可以用來幫助預測這些操作的執行何時完成的包（是的，我說謊了，我之前說我們只會使用到 pandas）。

from tqdm import tqdm_notebook
tqdm_notebook().pandas()復制代碼

用 pandas 設置 tqdm

data[ column_1 ].progress_map(lambda x: x.count( e ))復制代碼

用 .progress_map() 代替.map()、.apply() 和.applymap() 也是類似的。

在 Jupyter 中使用 tqdm 和 pandas 得到的進度條

相關性和散射矩陣

data.corr()
data.corr().applymap(lambda x: int(x*100)/100)復制代碼

.corr() 會給出相關性矩陣

pd.plotting.scatter_matrix(data, figsize=(12,8))復制代碼

散點矩陣的例子。它在同一幅圖中畫出了兩列的所有組合。

pandas 中的高級操作

The SQL 關聯

在 pandas 中實現關聯是非常非常簡單的

data.merge(other_data, on=[ column_1 ,  column_2 ,  column_3 ])復制代碼

關聯三列只需要一行代碼

分組

一開始并不是那么簡單，你首先需要掌握語法，然后你會發現你一直在使用這個功能。

data.groupby( column_1 )[ column_2 ].apply(sum).reset_index()復制代碼

按一個列分組，選擇另一個列來執行一個函數。.reset_index() 會將數據重構成一個表。

正如前面解釋過的，為了優化代碼，在一行中將你的函數連接起來。

行迭代

dictionary = {}

for i,row in data.iterrows():
 dictionary[row[ column_1 ]] = row[ column_2 ]復制代碼

.iterrows() 使用兩個變量一起循環：行索引和行的數據 (上面的 i 和 row)

總而言之，pandas 是 python 成為出色的編程語言的原因之一

我本可以展示更多有趣的 pandas 功能，但是已經寫出來的這些足以讓人理解為何數據科學家離不開 pandas。總結一下，pandas 有以下優點：

• 易用，將所有復雜、抽象的計算都隱藏在背后了；

• 直觀；

• 快速，即使不是最快的也是非常快的。

它有助于數據科學家快速讀取和理解數據，提高其工作效率

看完了這篇文章，相信你對pandas基本的功能是什么有了一定的了解，想了解更多相關知識，歡迎關注億速云行業資訊頻道，感謝各位的閱讀！