原文地址

怎樣刪除list中空字符？最簡(jiǎn)單的方法：new_list = [ x for x in li if x != '' ]

今天是5.1號(hào)。

這一部分主要學(xué)習(xí)pandas中基于前面兩種數(shù)據(jù)結(jié)構(gòu)的基本操作。

一、查看數(shù)據(jù)（查看對(duì)象的方法對(duì)于Series來說同樣適用）

1.查看DataFrame前xx行或后xx行a=DataFrame(data);a.head(6)表示顯示前6行數(shù)據(jù)，若head()中不帶參數(shù)則會(huì)顯示全部數(shù)據(jù)。a.tail(6)表示顯示后6行數(shù)據(jù)，若tail()中不帶參數(shù)則也會(huì)顯示全部數(shù)據(jù)。

2.查看DataFrame的index，columns以及valuesa.index ; a.columns ; a.values 即可

3.describe()函數(shù)對(duì)于數(shù)據(jù)的快速統(tǒng)計(jì)匯總a.describe()對(duì)每一列數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，包括計(jì)數(shù)，均值，std，各個(gè)分位數(shù)等。

4.對(duì)數(shù)據(jù)的轉(zhuǎn)置a.T

5.對(duì)軸進(jìn)行排序a.sort_index(axis=1,ascending=False)；其中axis=1表示對(duì)所有的columns進(jìn)行排序，下面的數(shù)也跟著發(fā)生移動(dòng)。后面的ascending=False表示按降序排列，參數(shù)缺失時(shí)默認(rèn)升序。

6.對(duì)DataFrame中的值排序a.sort(columns='x')即對(duì)a中的x這一列，從小到大進(jìn)行排序。注意僅僅是x這一列，而上面的按軸進(jìn)行排序時(shí)會(huì)對(duì)所有的columns進(jìn)行操作。

二、選擇對(duì)象

1.選擇特定列和行的數(shù)據(jù)a['x'] 那么將會(huì)返回columns為x的列，注意這種方式一次只能返回一個(gè)列。a.x與a['x']意思一樣。

取行數(shù)據(jù)，通過切片[]來選擇如：a[0:3] 則會(huì)返回前三行的數(shù)據(jù)。

2.loc是通過標(biāo)簽來選擇數(shù)據(jù)a.loc['one']則會(huì)默認(rèn)表示選取行為'one'的行；

a.loc[:,['a','b'] ] 表示選取所有的行以及columns為a,b的列；

a.loc[['one','two'],['a','b']] 表示選取'one'和'two'這兩行以及columns為a,b的列；

a.loc['one','a']與a.loc[['one'],['a']]作用是一樣的，不過前者只顯示對(duì)應(yīng)的值，而后者會(huì)顯示對(duì)應(yīng)的行和列標(biāo)簽。

3.iloc則是直接通過位置來選擇數(shù)據(jù)這與通過標(biāo)簽選擇類似a.iloc[1:2,1:2] 則會(huì)顯示第一行第一列的數(shù)據(jù);(切片后面的值取不到)

a.iloc[1:2] 即后面表示列的值沒有時(shí)，默認(rèn)選取行位置為1的數(shù)據(jù);

a.iloc[[0,2],[1,2]] 即可以自由選取行位置，和列位置對(duì)應(yīng)的數(shù)據(jù)。

4.使用條件來選擇使用單獨(dú)的列來選擇數(shù)據(jù)a[a.c>0] 表示選擇c列中大于0的數(shù)據(jù)

使用where來選擇數(shù)據(jù)a[a>0] 表直接選擇a中所有大于0的數(shù)據(jù)

使用isin()選出特定列中包含特定值的行a1=a.copy()a1[a1['one'].isin(['2','3'])] 表顯示滿足條件：列one中的值包含'2','3'的所有行。

三、設(shè)置值（賦值）

賦值操作在上述選擇操作的基礎(chǔ)上直接賦值即可。例a.loc[:,['a','c']]=9 即將a和c列的所有行中的值設(shè)置為9a.iloc[:,[1,3]]=9 也表示將a和c列的所有行中的值設(shè)置為9

同時(shí)也依然可以用條件來直接賦值a[a>0]=-a 表示將a中所有大于0的數(shù)轉(zhuǎn)化為負(fù)值

四、缺失值處理

在pandas中，使用np.nan來代替缺失值，這些值將默認(rèn)不會(huì)包含在計(jì)算中。

1.reindex()方法用來對(duì)指定軸上的索引進(jìn)行改變/增加/刪除操作，這將返回原始數(shù)據(jù)的一個(gè)拷貝。a.reindex(index=list(a.index)+['five'],columns=list(a.columns)+['d'])

a.reindex(index=['one','five'],columns=list(a.columns)+['d'])

即用index=[]表示對(duì)index進(jìn)行操作，columns表對(duì)列進(jìn)行操作。

2.對(duì)缺失值進(jìn)行填充a.fillna(value=x)表示用值為x的數(shù)來對(duì)缺失值進(jìn)行填充

3.去掉包含缺失值的行a.dropna(how='any')表示去掉所有包含缺失值的行

五、合并

1.contactcontact(a1,axis=0/1，keys=['xx','xx','xx',...])，其中a1表示要進(jìn)行進(jìn)行連接的列表數(shù)據(jù),axis=1時(shí)表橫著對(duì)數(shù)據(jù)進(jìn)行連接。axis=0或不指定時(shí)，表將數(shù)據(jù)豎著進(jìn)行連接。a1中要連接的數(shù)據(jù)有幾個(gè)則對(duì)應(yīng)幾個(gè)keys，設(shè)置keys是為了在數(shù)據(jù)連接以后區(qū)分每一個(gè)原始a1中的數(shù)據(jù)。

例：a1=[b['a'],b['c']]result=pd.concat(a1,axis=1，keys=['1','2'])

2.Append 將一行或多行數(shù)據(jù)連接到一個(gè)DataFrame上a.append(a[2:],ignore_index=True)表示將a中的第三行以后的數(shù)據(jù)全部添加到a中，若不指定ignore_index參數(shù)，則會(huì)把添加的數(shù)據(jù)的index保留下來，若ignore_index=Ture則會(huì)對(duì)所有的行重新自動(dòng)建立索引。

3.merge類似于SQL中的join設(shè)a1,a2為兩個(gè)dataframe,二者中存在相同的鍵值，兩個(gè)對(duì)象連接的方式有下面幾種：(1)內(nèi)連接，pd.merge(a1, a2, on='key')(2)左連接，pd.merge(a1, a2, on='key', how='left')(3)右連接，pd.merge(a1, a2, on='key', how='right')(4)外連接， pd.merge(a1, a2, on='key', how='outer')至于四者的具體差別，具體學(xué)習(xí)參考sql中相應(yīng)的語法。

六、分組（groupby）

用pd.date_range函數(shù)生成連續(xù)指定天數(shù)的的日期pd.date_range('20000101',periods=10)

此外用a.groupby('gender').size()可以對(duì)各個(gè)gender下的數(shù)目進(jìn)行計(jì)數(shù)。

所以可以看到groupby的作用相當(dāng)于：按gender對(duì)gender進(jìn)行分類，對(duì)應(yīng)為數(shù)字的列會(huì)自動(dòng)求和，而為字符串類型的列則不顯示；當(dāng)然也可以同時(shí)groupby(['x1','x2',...])多個(gè)字段，其作用與上面類似。

七、Categorical按某一列重新編碼分類

如六中要對(duì)a中的gender進(jìn)行重新編碼分類，將對(duì)應(yīng)的0，1轉(zhuǎn)化為male，female，過程如下：

所以可以看出重新編碼后的編碼會(huì)自動(dòng)增加到dataframe最后作為一列。

八、相關(guān)操作

描述性統(tǒng)計(jì)：1.a.mean() 默認(rèn)對(duì)每一列的數(shù)據(jù)求平均值；若加上參數(shù)a.mean(1)則對(duì)每一行求平均值；

2.統(tǒng)計(jì)某一列x中各個(gè)值出現(xiàn)的次數(shù)：a['x'].value_counts()；

3.對(duì)數(shù)據(jù)應(yīng)用函數(shù)a.apply(lambda x:x.max()-x.min())表示返回所有列中最大值-最小值的差。

4.字符串相關(guān)操作a['gender1'].str.lower() 將gender1中所有的英文大寫轉(zhuǎn)化為小寫，注意dataframe沒有str屬性，只有series有，所以要選取a中的gender1字段。

九、時(shí)間序列

在六中用pd.date_range('xxxx',periods=xx,freq='D/M/Y....')函數(shù)生成連續(xù)指定天數(shù)的的日期列表。例如pd.date_range('20000101',periods=10),其中periods表示持續(xù)頻數(shù)；pd.date_range('20000201','20000210',freq='D')也可以不指定頻數(shù)，只指定起始日期。

此外如果不指定freq，則默認(rèn)從起始日期開始，頻率為day。其他頻率表示如下：

十、畫圖(plot)

也可以使用下面的代碼來生成多條時(shí)間序列圖：

十一、導(dǎo)入和導(dǎo)出文件

寫入和讀取Excel文件雖然寫入excel表時(shí)有兩種寫入xls和csv，但建議少使用csv，不然在表中調(diào)整數(shù)據(jù)格式時(shí)，保存時(shí)一直詢問你是否保存新格式，很麻煩。而在讀取數(shù)據(jù)時(shí)，如果指定了哪一張sheet，則在pycharm又會(huì)出現(xiàn)格式不對(duì)齊。

還有將數(shù)據(jù)寫入表格中時(shí)，excel會(huì)自動(dòng)給你在表格最前面增加一個(gè)字段，對(duì)數(shù)據(jù)行進(jìn)行編號(hào)。