Pandas 快速参考指南
初始化与导入
--------
在本文中，我们将使用以下简写：
data_frame：表示任意的 Pandas DataFrame 实例
同时需要导入库如下：
import pandas as pd
加载数据
----
- pd.read_csv(文件路径)：从 CSV 文件读取数据
- pd.read_table(文件路径, sep='分隔符')：从文本文件读取数据，指定分隔符
- pd.read_excel(工作簿路径)：从 Excel 文件读取数据
- pd.read_sql(query, 数据库连接)：从 SQL 数据库读取数据
- pd.read_json(json字符串)：从 JSON 字符串读取数据
- pd.read_html(url)：从网页解析表格
- pd.read_clipboard()：从剪贴板读取内容，并传给 read_table()
- pd.DataFrame(dict_data)：从字典创建 DataFrame，键作为列名，值作为数据
导出数据
----
- data_frame.to_csv(文件名)：保存为 CSV 文件
- data_frame.to_excel(文件名)：保存为 Excel 文件
- data_frame.to_sql(表名, 数据库连接)：保存到 SQL 表
- data_frame.to_json(文件名)：以 JSON 格式保存数据
生成测试数据集
------
- pd.DataFrame(np.random.rand(20,5))：创建一个包含随机数的 20x5 DataFrame
- pd.Series(iterable_data)：从可迭代对象创建 Series
- data_frame.index = pd.date_range('起始日期', periods=data_frame.shape[0])：设置日期索引
浏览和检查数据
-------
- data_frame.head(n)：显示前 n 行
- data_frame.tail(n)：显示后 n 行
- data_frame.shape：查看行数和列数
- data_frame.info()：显示索引、数据类型及内存信息
- data_frame.describe()：展示数值列的基本统计信息
- series.value_counts(dropna=False)：显示唯一值及其计数
- data_frame.apply(pd.Series.value_counts)：对每一列应用 value_counts 方法
选取数据
----
- data_frame[列名]：按列名选取，返回 Series
- data_frame[[列名1, 列名2]]：选取多列，返回 DataFrame
- series.iloc[位置]：通过位置索引选取元素
- series.loc['标签']：通过标签选取元素
- data_frame.iloc[0,:]：获取第一行
- data_frame.iloc[0,0]：获取第一个单元格的内容
数据清洗
----
- data_frame.columns = ['a','b','c']：重命名所有列
- pd.isna()：检测缺失值
- pd.notna()：检测非缺失值
- data_frame.dropna()：删除含有任何缺失值的行
- data_frame.dropna(axis=1)：删除含有任何缺失值的列
- data_frame.fillna(值)：用指定值填充缺失值
- series.astype(float)：转换数据类型为浮点型
- series.replace(旧值, 新值)：替换特定值
- data_frame.rename(columns={'旧名':'新名'})：更改列名
- data_frame.set_index('列名')：设定新的索引列
数据操作：筛选、排序与分组
--------------------------
- data_frame[data_frame[列名] > 数值]：根据条件筛选行
- data_frame.sort_values(by=列名)：按指定列排序，默认升序
- data_frame.groupby(列名)：按某列进行分组
- data_frame.pivot_table(index=列名, values=[列名1, 列名2], aggfunc=max)：创建数据透视表
数据整合
----
- pd.concat([df1, df2], axis=1)：沿列方向合并两个 DataFrame
- df1.merge(df2, on='公共列', how='inner')：基于共同列进行内连接
数据分析
----
- data_frame.mean()：计算每列的平均值
- data_frame.corr()：计算相关系数矩阵
- data_frame.count()：统计每列的有效值数量
- data_frame.max()：找出每列的最大值
- data_frame.min()：找出每列的最小值
- data_frame.median()：计算每列的中位数
- data_frame.std()：计算每列的标准差
