Pandas 速查卡-Python 数据科学
关键词和导入
在这个速查卡中，我们会用到一下缩写：
df 二维的表格型数据结构 DataFrame
s 一维数组 Series
您还需要执行以下导入才能开始：
import pandas as pd
import numpy as np
导入数据
pd.read_csv(lename) 导入 CSV 文档
pd.read_table(lename) 导入分隔的文本文件 (如 TSV)
pd.read_excel(lename) 导入 Excel 文档
pd.read_sql(query, connec&on_object) 读取 SQL 表/数据库
pd.read_json(json_string) 读取 JSON 格式的字符串, URL 或文件.
pd.read_html(url) 解析 html URL，字符串或文件，并将表提取到数据框列表
pd.read_clipboard() 获取剪贴板的内容并将其传递给 read_table（）
pd.DataFrame(dict) 从字典、列名称键、数据列表的值导入
输出数据
df.to_csv(lename) 写入 CSV 文件
df.to_excel(lename) 写入 Excel 文件
df.to_sql(table_name, connec&on_object) 写入一个 SQL 表
df.to_json(lename) 写入 JSON 格式的文件
创建测试对象
用于测试的代码
pd.DataFrame(np.random.rand(20,5)) 5 列、20 行的随机浮动
pd.Series(my_list) 从可迭代的 my_list 创建一维数组
df.index=pd.date_range(‘1900/1/30’, periods=df.shape[0]) 添加日期索引
查看/检查数据
df.head(n) 数据框的前 n 行
df.tail(n) 数据框的后 n 行
df.shape() 行数和列数
df.info() 索引，数据类型和内存信息
df.describe() 数值列的汇总统计信息
s.value_counts(dropna=False) 查看唯一值和计数
df.apply(pd.Series.value_counts) 所有列的唯一值和计数
评论0