pandas (2)

pandas 数据类型

赋值

#Series赋值
s = pd.Series([3,-5,7,4],index = ['a','b','c','d'])
#DataFrame 赋值
data = {'Country':['belgium','India','Brazil'],
        'Capital':['Brussels','New Delhi','Brasilia'],
        'Population':[11190846,1303171035,207847528]}
df = pd.DataFrame(data,cloumns=['Country','Capital','Population'])

数据选择

#选择一个项
s['b']
#    -5
#选择多个
df[1:]

#选择第n行，如果已经定义了clonms，还可以直接跟 =['xx','xx']赋值新行

df.loc[n]

选择、布尔下标

By Position 坐标选择：

df.iloc([0],[0])
#    `Belgium`
df.iat([0],[0])
#    `Belgium`

By Label 标签选择：

df.loc([0],['country'])
df.at([0],['country'])

By Label/Position ：

de.ix[2]
#     Country     Brazil
#    Capital        rasilia
#    Population    207847528
df.ix[:,'Capital']
#    0    Brussels
#    1    Delhi
#    2    Brasilia
df.ix[1,'Capital']
#    'New Delhi'

使用ix方法被提示如下：（ix is deprecated）

Boolean Indexing 布尔下标（筛选）

s[-(s>1)]
s[(s<-1)|(s>2)]
df[df['Population']>1200000000]

Dropping

s.drop(['a','c'])
df.drop('Country',axis=1)

Sort&Rank 排序

df.sort_index()
df.sort_values(by='Country')
df.rank()
## Retrieving Series/DataFrame Information
### Basic Information
```python
df.shape    # (rows,columns)
df.index    # Describe index
df.cloumns    # Describe DataFrame cloumns
df.info()    # Info on DataFrame
df.count()    # Number of non-NA values 默认输出每列的项数

Summary 概要

df.sum()            #sum of values
df.cumsum()            #cummulative sum of values 从上到下的累加，输出一个新的dataframe
df.min()/df.max()    #Minimum/maximum values
df.idxmin()/df.idxmax()    #Minimum/maximum index values
df.describe()        #Summary statistics 所有特征计算汇总统计
df.mean()            #Mean of values 平均值（所有int64数据的）
df.median()            #Median of values 中间值

Applying Functions 应用函数

f = lambda x : x*2
df.apply(f)
df.applymap(f)

df.apply()函数只输出 df*2，不改变df的值。此例中博主没发现df.applymap()和df.apply()的区别。

Data Alignment 数据对齐

Internal Data Alignment 内部数据对齐

见 pandas DataFrame学习

I/O 文件读写

csv文件

pd.read_csv()
pd.to_csv()

Excel文件

pd.read_excel('path')
pd.to_excel('path',sheet_name='name')
#读取单个文件下不同sheets
xlsx = pd.ExcelFile('path')
df = pd.read_excel(xlsx,'sheetname')

SQL Query or Database Table

from sqlalchemy import create_engine
engine = create_engine('sqlite:///:memory:')
pd.read_sql("SELECT * FROM my_table;",engine)
pd.read_sql_table('my_table',engine)
pd.read_sql_query("SELECT * FROM my_table;",engine)
#生成sql
pd.to_sql('myDf',engine)

参考

• datacamp

• http://www.cnblogs.com/nxld/p/6687253.html

​