python基础篇之pandas常用基本函数汇总

　Pandas是一个python数据分析库,它提供了许多函数和方法来加快数据分析过程,下面这篇文章主要给大家介绍了关于python基础篇之pandas常用基本函数的相关资料,需要的朋友可以参考下

　　前言

　　这篇主要整理pandas常用的基本函数，主要分为五部分：

　　汇总函数

　　特征统计函数

　　唯一值函数

　　替换函数

　　排序函数

　　1、汇总函数

　　常用的主要是4个：

　　tail():返回表或序列的后n行

　　head():返回表或序列的前n行

　　info():返回表的信息概况

　　describe():返回表中数值列对应的主要统计量

　　n默认为5

　　df.describe()
　　#运行截图
　　Height Weight
　　count 183.000000 189.000000
　　mean 163.218033 55.015873
　　std 8.608879 12.824294
　　min 145.400000 34.000000
　　25%157.150000 46.000000
　　50%161.900000 51.000000
　　75%167.500000 65.000000
　　max 193.900000 89.000000

　　2、特征统计函数

　　在Series和DataFrame上定义了许多统计函数，最常见的是：

　　sum

　　mean（均值）

　　median（中位数）

　　var（方差）

　　std（标准差）

　　max

　　min

　　用法示例

　　df_demo=df[['Height','Weight']]
　　df_demo.mean()

　　聚合函数

　　quantile(返回分位数)

　　count（返回非缺失值个数）

　　idxmax（最大值对应的索引）

　　聚合函数，有一个公共参数axis，axis=0代表逐列聚合，axis=1表示逐行聚合

　　df_demo.mean(axis=1).head()

　　3、唯一值函数

　　唯一值函数常用的四个函数：

　　unique():得到唯一值组成的列表->统计出指定列唯一存在的值有哪些

　　nunique()：唯一值的个数->统计出指定列唯一存在的值总共有多少个

　　value_counts()：得到唯一值和其对应出现的频数

　　drop_duplicates()：去重

　　duplicated()

　　drop_duplicates()基本用法

　　关键参数keep

　　first：保留第一次出现的重复行，删除后面的重复行

　　last：删除重复项，除了最后一次出现

　　False：把所有重复组合所在的行剔除。

　　需要指定列

　　代码：

　　#原本的数据样例
　　df_demo=df[['Gender','Transfer','Name']]
　　df_demo

　　Gender Transfer Name
　　0 Female N Gaopeng Yang
　　1 Male N Changqiang You
　　2 Male N Mei Sun
　　3 Female N Xiaojuan Sun
　　4 Male N Gaojuan You
　　............
　　195 Female N Xiaojuan Sun
　　196 Female N Li Zhao
　　197 Female N Chengqiang Chu
　　198 Male N Chengmei Shen
　　199 Male N Chunpeng Lv
　　200 rows×3 columns
　　Gender Transfer Name
　　0 Female N Gaopeng Yang
　　1 Male N Changqiang You
　　12 Female NaN Peng You
　　21 Male NaN Xiaopeng Shen
　　36 Male Y Xiaojuan Qin
　　43 Female Y Gaoli Feng

　　由此可见，使用了first参数，保留第一次出现的重复行，删除后面的重复行

　　在未指定参数的情况下，keep默认first；

　　指定last

　　案例如下:

　　df_demo.drop_duplicates(['Gender','Transfer'],keep='last')
　　Gender Transfer Name
　　147 Male NaN Juan You
　　150 Male Y Chengpeng You
　　169 Female Y Chengquan Qin
　　194 Female NaN Yanmei Qian
　　197 Female N Chengqiang Chu
　　199 Male N Chunpeng Lv

　　last:删除所有的重复行，只保留出现的最后一个

　　drop_duplicates()&duplicated()的区别

　　duplicated和drop_duplicates的功能类似，但前者返回了是否为唯一值的布尔列表，其keep参数与后者一致。其返回的序列，把重复元素设为True，否则为False。drop_duplicates等价于把duplicated为True的对应行剔除。

　　4、替换函数

　　替换函数有三类：

　　映射函数：replace()…

　　逻辑函数：（1）where（2）mask

　　数值替换

　　replace的用法

　　Gender Transfer Name
　　0 Female N Gaopeng Yang
　　1 Male N Changqiang You
　　2 Male N Mei Sun
　　3 Female N Xiaojuan Sun
　　4 Male N Gaojuan You
　　............
　　195 Female N Xiaojuan Sun
　　196 Female N Li Zhao
　　197 Female N Chengqiang Chu
　　198 Male N Chengmei Shen
　　199 Male N Chunpeng Lv
　　200 rows×3 columns

　　逻辑替换

　　逻辑替换包括了where和mask，这两个函数是完全对称的：where函数在传入条件为False的对应行进行替换，而mask在传入条件为True的对应行进行替换，当不指定替换值时，替换为缺失值（NAN）

　　s=pd.Series([-1,1.2345,100,-50])
　　s.where(s<0)
　　0-1.0
　　1 NaN
　　2 NaN
　　3-50.0
　　dtype:float64
　　0-1.0
　　1 100.0
　　2 100.0
　　3-50.0
　　dtype:float64
　　0 NaN
　　1 1.2345
　　2 100.0000
　　3 NaN
　　dtype:float64

　　综上所述，这篇文章就给大家介绍到这里了，希望可以给大家带来帮助。