pandas使用方法

Pandas是一个基于Python的数据处理和分析库。使用Pandas可以方便地处理和操作结构化数据。下面是一些Pandas的常见使用方法：

1. 生成数据表：
- 导入所需库：import numpy as np import pandas as pd
- 导入CSV或xlsx文件：df = pd.DataFrame(pd.read_csv('name.csv', header=1)) 或 df = pd.DataFrame(pd.read_excel('name.xlsx'))
- 用Pandas创建数据表：df = pd.DataFrame({"id":[1001,1002,1003,1004,1005,1006], "date":pd.date_range('20130102', periods=6), "city":['Beijing ', 'SH', ' guangzhou ', 'Shenzhen', 'shanghai', 'BEIJING '], "age":[23,44,54,32,34,32], "category":['100-A','100-B','110-A','110-C','210-A','130-F'], "price":[1200,np.nan,2133,5433,np.nan,4432]}, columns =['id','date','city','category','age','price'])

2. 数据表信息查看：
- 维度查看：df.shape
- 数据表基本信息（维度、列名称、数据格式、所占空间等）：df.info()
- 查看所有行的行索引名：row_indx_name_1 = df.index 或 row_indx_name_2 = df.index.values
- 查看所有列的列索引名：df.columns 或 df.columns.values
- 定位表格中的指定元素

3. 数据表清洗：
- 用数字0填充空值：df.fillna(value=0)
- 使用列price的均值对NA进行填充：df['price'].fillna(df['price'].mean())
- 清除city字段的字符空格：df['city'] = df['city'].map(str.strip)
- 大小写转换：df['city'] = df['city'].str.lower()
- 更改数据格式：df['price'].astype('int')
- 更改列名称：df.rename(columns={'category': 'category-size'})
- 删除后出现的重复值：df['city'].drop_duplicates()
- 删除先出现的重复值：df['city'].drop_duplicates(keep='last')
- 数据替换：df['city'].replace('sh', 'shanghai')

4. 数据预处理：
- 数据表合并：merge函数可以将两个数据表按照指定的列进行合并，常用的合并方式有inner、left、right和outer。

以上是Pandas的基本用法，希望对您有帮助！