Pandas数据分析——常用操作

引言

Pandas是一种常见且便捷的数据处理库UNIX 常用资源汇总，为便于使用和复习，个人针对一些常用操作进行了总结。

目录一、pandas是什么？

示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。

二、pandas常用操作有哪些？

【快速了解可参考目录】

1.导入、保存数据

1.1导入数据

import pandas as pd
data = pd.read_csv("./data.csv", sep=",")
print(data)
data = pd.read_csv("./data.csv", sep=",",header=None, engine="python", encoding="utf_8_sig")
print(data)

1.2保存数据

import pandas as pd
data.to_csv("./file/data_name.csv", index=False, header=False)

2.创建（DataFrame）

import pandas as pd
import numpy as np
df = np.arange(16).reshape((4,4))
data1 = pd.DataFrame(df, index=list("abcd"), columns=list("wxyz"))
print(data1)
data2 = pd.DataFrame(df, index=["A","B","C","D"], columns=["W","X","Y","Z"])
print(data2)

3.索引3.1 按位置索引

data.iloc[1, 2]
data.iloc[:, 0]
data.iloc[1, :]

3.2 按名称索引

data2.loc[:, "W"]
data2.loc[:, ["W", "Z"]]

4.修改4.1 增

import pandas as pd
import numpy as np
data = np.arange(12).reshape((3,4))
data = pd.DataFrame(data, index=["A","B","C"], columns=["One","Two","Three","Four"])
print(data)
data["Five"] = [0,0,0]
data.loc["D"]=[6,6,6,6]

4.2 删

import pandas as pd
import numpy as np
data = np.arange(12).reshape((3,4))
data = pd.DataFrame(data, index=["A","B","C"], columns=["One","Two","Three","Four"])
print(data)
data.drop(['Two'], axis=1, inplace=True)
data.drop(['C'], axis=0, inplace=True)

4.3 查&改

查： 对应第3节的索引

改：索引目标位置后直接赋值

5.统计分析5.1 相关性分析

import matplotlib.pyplot as plt
import seaborn as sns
print(data)
matrix = data.corr()
cmap = sns.diverging_palette(250, 15, s=75, l=40, n=9, center="light", as_cmap=True)
plt.figure(figsize=(12, 8))
sns.heatmap(matrix,  center=0, annot=True, fmt='.2f', square=True, cmap=cmap)

总结

本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。后面会根据需要继续增加和完善文章内容。

Original:

Author: 沉以墨

Title: Pandas数据分析——常用操作

（编辑：济南站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!