pandas函數如何在python中使用

pandas函數如何在python中使用？針對這個問題，這篇文章詳細介紹了相對應的分析和解答，希望可以幫助更多想解決這個問題的小伙伴找到更簡單易行的方法。

Python主要用來做什么

Python主要應用于：1、Web開發；2、數據科學研究；3、網絡爬蟲；4、嵌入式應用開發；5、游戲開發；6、桌面應用開發。

1、導?數據

pd.DataFrame() # 自己創建數據框，用于練習
pd.read_csv(filename) # 從CSV?件導?數據
pd.read_table(filename) # 從限定分隔符的?本?件導?數據
pd.read_excel(filename) # 從Excel?件導?數據
pd.read_sql(query,connection_object) # 從SQL表/庫導?數據
pd.read_json(json_string) # 從JSON格式的字符串導?數據
pd.read_html(url) # 解析URL、字符串或者HTML?件，抽取其中的tables表格

2、查看數據

df.head(n) # 查看DataFrame對象的前n?
df.tail(n) # 查看DataFrame對象的最后n?
df.shape() # 查看?數和列數
df.info() # 查看索引、數據類型和內存信息
df.columns() # 查看字段（??）名稱
df.describe() # 查看數值型列的匯總統計
s.value_counts(dropna=False) # 查看Series對象的唯?值和計數
df.apply(pd.Series.value_counts) # 查看DataFrame對象中每?列的唯?值和計數
df.isnull().any() # 查看是否有缺失值
df[df[column_name].duplicated()] # 查看column_name字段數據重復的數據信息
df[df[column_name].duplicated()].count() # 查看column_name字段數據重復的個數

3、數據分組、排序、透視

df.sort_index().loc[:5] # 對前5條數據進?索引排序
df.sort_values(col1) # 按照列col1排序數據，默認升序排列
df.sort_values(col2,ascending=False) # 按照列col1降序排列數據
df.sort_values([col1,col2],ascending=[True,False]) # 先按列col1升序排列，后按col2降序排列數據
df.groupby(col) # 返回?個按列col進?分組的Groupby對象
df.groupby([col1,col2]) # 返回?個按多列進?分組的Groupby對象
df.groupby(col1)[col2].agg(mean) # 返回按列col1進?分組后，列col2的均值,agg可以接受列表參數，agg([len,np.mean])
df.pivot_table(index=col1,values=[col2,col3],aggfunc={col2:max,col3:[ma,min]}) # 創建?個按列col1進?分組，計算col2的最?值和col3的最?值、最?值的數據透視表
df.groupby(col1).agg(np.mean) # 返回按列col1分組的所有列的均值,?持
df.groupby(col1).col2.agg(['min','max'])
data.apply(np.mean) # 對DataFrame中的每?列應?函數np.mean
data.apply(np.max,axis=1) # 對DataFrame中的每??應?函數np.max
df.groupby(col1).col2.transform("sum") # 通常與groupby連?，避免索引更改

關于pandas函數如何在python中使用問題的解答就分享到這里了，希望以上內容可以對大家有一定的幫助，如果你還有很多疑惑沒有解開，可以關注億速云行業資訊頻道了解更多相關知識。