Pandas 的 Cheat Sheet（中文版）

08-14

來自專欄極光日報19 人贊了文章

簡評：Python 數據分析庫 Pandas 基礎知識的快速指南，包括代碼示例。Pandas 的 Cheat Sheet 包含 Pandas 庫的基礎知識，從數據結構到 I/O，選擇、刪除索引或列、排序和排名、檢索正在使用的數據結構的基本信息到應用函數和數據對齊。

高清原版

Pandas 基礎

使用以下導入約定：

Pandas 數據結構 —— Series

能夠保存任何數據類型的一維標記數組

Pandas 數據結構 —— DataFrame

具有可能不同類型的列的二維標記數據結構

需要注意的是，第一列 1、2、3 是索引，Country、Capital、Population 是列。

尋求幫助

>>> help(pd.Series.loc)

I/O

讀寫 CSV

>>> pd.read_csv(file.csv, header=None, nrows=5)>>> df.to_csv(myDataFrame.csv)

從同一 excel 文件中讀取多個 sheet

>>> xlsx = pd.ExcelFile(file.xls)>>> df = pd.read_excel(xlsx, Sheet1)

讀寫 Excel

>>> pd.read_excel(file.xlsx)>>> df.to_excel(dir/myDataFrame.xlsx, sheet_name=Sheet1)

讀寫 SQL 查詢或資料庫表

read_sql() 是 read_sql_table() 和 read_sql_query()的便捷包裝器

>>> 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)

>>> pd.to_sql(myDf, engine)

篩選

選取一個元素

>>> s[b]

選取 DataFrame 的子集

>>> df[1:]

按位置選取

按行和列選取單個值

按標籤選取

注:（Python 3.6 環境下）原文以及 Cheat Sheet 的上面兩種用法有誤。

按標籤/位置混和選取（已棄用）

選取行的子集中的單行

>>> df.ix[2]Country BrazilCapital BrasiliaPopulation 207847528

選取列的子集中的單列

>>> df.ix[:, Capital]0 Brussels1 New Delhi2 Brasilia

選取行和列

>>> df.ix[1, Capital]New Delhi

布爾索引

s 的值非 >1

>>> s[~(s > 1)]

s 的值 <-1 或 >2

>>> s[(s < -1) | (s > 2)]

使用過濾器調整 DataFrame

>>> df[df[Population]>1200000000]

設置

將 s 中索引 a 的值設置為 6

>>> s[a] = 6

刪除

從行中刪除值（axis=0）

>>> s.drop([a, c])

從列中刪除值（axis=1）

>>> df.drop(Country, axis=1)

排序和排名

按軸標籤排序

>>> df.sort_index()

按軸的值排序

>>> df.sort_values(by=Country)

將等級分配給條目

>>> df.rank()

檢索 Series/DataFrame 信息

基本信息

（行，列）

>>> df.shape

描述索引

>>> df.index

描述 DataFrame 列

>>> df.columns

DataFrame 信息

>>> df.info()

非 NA 值的數量

>>> df.count()

概要

值的總和

>>> df.sum()

值的累計總和

>>> df.cumsum()

最小/最大值

>>> df.min()>>> df.max()

最小/最大索引值

>>> df.idxmin()>>> df.idxmax()

摘要統計

>>> df.describe()

平均值

>>> df.mean()

中位數

>>> df.median()

應用函數

定義函數

>>> f = lambda x: x*2

應用函數

>>> df.apply(f)

應用函數到元素級別

>>> df.applymap(f)

數據對齊

在不重疊的索引中引入 NA 值：

>>> s3 = pd.Series([7, -2, 3], index=[a, c, d])

藉助填充方法自行完成內部數據對齊：

s.add(s3, fill_value=0)

原文：Pandas Cheat Sheet for Data Science in Python

擴展閱讀：

Python 3.7 將引入 dataclass 裝飾器
使用 Python 格式化字元串
使用 Python 和 Click 編寫命令行應用程序
Python：range 對象並不是迭代器
8102 年資深程序員一定要 follow 的 Python 博客/網站 Top 10

極光日報，極光開發者旗下媒體。

每天導讀三篇英文技術文章