python pandas包操作以及dataframe

布满荆棘的人生 2022-05-28 07:07 192阅读 0赞

# python pandas 以及 dataframe #

#### 今天来总结一下python中pandas包的一些使用方法，还有一些对文件的一些操作。都是一些比较简单的操作。同样是以题来进行说明 ####

首先引入包  
`import pandas as pd import numpy as np`

（1）通过pandas包将数据flight.csv读取成dataframe，命名为df，然后进行操作。

*  读取csv文件
    
    `df = pd.read_csv('flight.csv')`

![这里写图片描述][70]  
（2）进行数据观察：查看数据的条数，查看各字段的类型，查看数据框的头尾部分的数据，查看数据的概况；对缺失值数据，进行填充，填充值为0。

*  查看数据条数
    
    `print df.shape`
 *  查看字段类型
    
    `print df.dtypes`
 *  查看数据框首尾的部分
    
    `print df.head(10) print df.tail(10)`
 *  查看数据概况  
    `print df.describe()`  
    ![这里写图片描述][70 1]
 *  缺失值数据处理  
    `df.fillna(value = 0 )`

（3）按字段取出‘date’’dist’和‘flight’形成新的df1；按位置选取数据框的行为3和4，列为0,1的数  
据形成新的df2；

*  取列
    
    `df1 = df.loc[:,['date','dist','flight']]`
 *  按位置选取
    
    `df2 = df.ix[[3,4],[0,1]]`

（4）在原始的df中添加一列‘low\_dest’，内容是‘dest’这列的字符串的小写形式

*  添加一列
    
    `df['low_dest'] = df['dest'].str.lower()`  
    ![这里写图片描述][70 2]

（5）从原始的df中选取‘dist’大于1000并且小于1200的数据作为一个新的df3，再从原始数据中选取  
‘time’大于100数据做为新的df4，然后将df3和df4，按行合并为一个数据框,命名为df5

*  选取数据
    
    `df3 = df[(df.dist>1000) & (df.dist<1200)] df4 = df[df.time>100]`
 *  数据合并  
    `df5 = pd.concat([df3,df4],axis = 1)`

（6）取出df3中的‘time’,‘dist’这两列做为df6，求出df6中每列中最大值与最小值的差值（对数据运  
用函数的方式）

*  取数据
    
    `df6 = df3.loc[:,['time','dist']]`
 *  进行运算  
    `df6.apply(lambda x : x.max() - x.min())`
 *  运算结果  
    ![这里写图片描述][70 3]

（7）将df根据“dest”分组，统计各目的地，都有多少条数据，命名为“dest\_count”，然后将“dest”  
和“dest\_count”组成新的dataframe命名为df7（提示计算条数用np.size ）

*  分组
    
    `df7 = df.groupby('dest',as_index = False)['dest'].agg({'dest_count':np.size})`

![这里写图片描述][70 4]

（8）分别将df5和 df7保存到本地文件，文件名分别为df5.csv和df7.csv

*  写入文件
    
    `df5.to_csv('df5.csv') df7.to_csv('df7.csv')`

## 提示：在读取文件和写入文件的函数比如pd.read\_csv() 和 df.to\_csv()里面有很多参数，可以根据自己不同的需要选择合适的参数。具体使用可以参考官方文档。还有在选择列的时候也有多种不同的方式，并不唯一。[pandas 官方文档][pandas] ##

[70]: /images/20220528/c0dfbf3cd6244f2988ba01996e68378a.png
[70 1]: /images/20220528/1af2827e9d8b4ed28c8fa38698322cdb.png
[70 2]: /images/20220528/d81af522e40a446e9168c566af093dab.png
[70 3]: /images/20220528/13b213ceb5b44e8fb19b8508eee4ebc1.png
[70 4]: /images/20220528/739ef28f9dff46baa4f9a0d29acca8bc.png
[pandas]: http://pandas.pydata.org/pandas-docs/stable/