Python3 pandas

DataFrame 基本功能讲解

import pandas as pd 导入库

df = pd.DataFrame(data=None, index=None, columns=None, dtype=None, copy=False) 创建一个DataFrame

代码 功能
DataFrame() 创建一个DataFrame对象
df.values 返回ndarray类型的对象
df.iloc[ 行序,列序 ] 按序值返回元素
df.loc[ 行索引,列索引 ] 按索引返回元素
df.index 获取行索引
df.columns 获取列索引
df.axes 获取行及列索引
df.T 行与列对调
df. info() 打印DataFrame对象的信息
df.head(i) 显示前 i 行数据
df.tail(i) 显示后 i 行数据
df.describe() 查看数据按列的统计信息

df.values 返回ndarray类型的对象

df.iloc[ 行序,列序 ] 按序值返回元素

df.loc[ 行索引,列索引 ] 按索引返回元素

df.index 获取行索引

df.columns 获取列索引

df.axes 获取行及列索引

df.T index 与 columns 对调

df.info() 打印DataFrame对象的信息

df.head(i) 显示前 i 行数据

df.tail(i) 显示后 i 行数据

df.describe() 查看数据按列的统计信息

以上内存参见链接

　　返回一个Numpy的recarray来替代DataFrame。如果该参数设定为True。将会优先squeeze参数使用。并且行索引将不再可用，索引列也将被忽略。

　　如果文件值包含一列，则返回一个Series

　prefix : str, default None

　　在没有列标题时，给列添加前缀。例如：添加‘X’ 成为 X0, X1, ...

　mangle_dupe_cols : boolean, default True

　　重复的列，将‘X’...’X’表示为‘X.0’...’X.N’。如果设定为false则会将所有重名列覆盖。

　dtype : Type name or dict of column -> type, default None

　　每列数据的数据类型。例如 {‘a’: np.float64, ‘b’: np.int32}

　engine : {‘c’, ‘python’}, optional

　　Parser engine to use. The C engine is faster while the python engine is currently more feature-complete.

　　使用的分析引擎。可以选择C或者是python。C引擎快但是Python引擎功能更加完备。

　converters : dict, default None

　　列转换函数的字典。key可以是列名或者列的序号。

　true_values : list, default None

　　Values to consider as True

　false_values : list, default None

　　Values to consider as False

　skipinitialspace : boolean, default False

　　忽略分隔符后的空白（默认为False，即不忽略）.

　skiprows : list-like or integer, default None

　　需要忽略的行数（从文件开始处算起），或需要跳过的行号列表（从0开始）。

　skipfooter : int, default 0

　　从文件尾部开始忽略。 (c引擎不支持)

　　skip_footer : int, default 0

　　不推荐使用：建议使用skipfooter ，功能一样。

　nrows : int, default None

　　需要读取的行数（从文件头开始算起）。

　na_values : scalar, str, list-like, or dict, default None

　　一组用于替换NA/NaN的值。如果传参，需要制定特定列的空值。默认为‘1.#IND’, ‘1.#QNAN’, ‘N/A’, ‘NA’, ‘NULL’, ‘NaN’, ‘nan’`.

　keep_default_na : bool, default True

　　如果指定na_values参数，并且keep_default_na=False，那么默认的NaN将被覆盖，否则添加。

　na_filter : boolean, default True

　　是否检查丢失值（空字符串或者是空值）。对于大文件来说数据集中没有空值，设定na_filter=False可以提升读取速度。

　verbose : boolean, default False

　　是否打印各种解析器的输出信息，例如：“非数值列中缺失值的数量”等。

　skip_blank_lines : boolean, default True

　　如果为True，则跳过空行；否则记为NaN。

　parse_dates : boolean or list of ints or names or list of lists or dict, default False

• • boolean. True -> 解析索引
  • list of ints or names. e.g. If [1, 2, 3] -> 解析1,2,3列的值作为独立的日期列；
  • list of lists. e.g. If [[1, 3]] -> 合并1,3列作为一个日期列使用
  • dict, e.g. {‘foo’ : [1, 3]} -> 将1,3列合并，并给合并后的列起名为"foo"

　infer_datetime_format : boolean, default False

　　如果设定为True并且parse_dates 可用，那么pandas将尝试转换为日期类型，如果可以转换，转换方法并解析。在某些情况下会快5~10倍。

　keep_date_col : boolean, default False

　　如果连接多列解析日期，则保持参与连接的列。默认为False。

　date_parser : function, default None

　　用于解析日期的函数，默认使用dateutil.parser.parser来做转换。Pandas尝试使用三种不同的方式解析，如果遇到问题则使用下一种方式。

　　　　1.使用一个或者多个arrays（由parse_dates指定）作为参数；

　　　　2.连接指定多列字符串作为一个列作为参数；

　　　　3.每行调用一次date_parser函数来解析一个或者多个字符串（由parse_dates指定）作为参数。

　　dayfirst : boolean, default False

　　DD/MM格式的日期类型

　iterator : boolean, default False

　　返回一个TextFileReader 对象，以便逐块处理文件。

　chunksize : int, default None

　　文件块的大小， See IO Tools docs for more informationon iterator and chunksize.

　　compression : {‘infer’, ‘gzip’, ‘bz2’, ‘zip’, ‘xz’, None}, default ‘infer’

　　直接使用磁盘上的压缩文件。如果使用infer参数，则使用 gzip, bz2, zip或者解压文件名中以‘.gz’, ‘.bz2’, ‘.zip’, or ‘xz’这些为后缀的文件，否则不解压。

　　如果使用zip，那么ZIP包中国必须只包含一个文件。设置为None则不解压。

　　新版本0.18.1版本支持zip和xz解压

　thousands : str, default None

　　千分位分割符，如“，”或者“."

　decimal : str, default ‘.’

　　字符中的小数点 (例如：欧洲数据使用’，‘).

　float_precision : string, default None

　　Specifies which converter the C engine should use for floating-point values. The options are None for the ordinary converter, high for the high-precision converter, and round_trip for the round-trip converter.

　　lineterminator : str (length 1), default None

　　行分割符，只在C解析器下使用。

　quotechar : str (length 1), optional

　　引号，用作标识开始和解释的字符，引号内的分割符将被忽略。

　quoting : int or csv.QUOTE_* instance, default 0

　　控制csv中的引号常量。可选 QUOTE_MINIMAL (0), QUOTE_ALL (1), QUOTE_NONNUMERIC (2) or QUOTE_NONE (3)

　doublequote : boolean, default True

　　双引号，当单引号已经被定义，并且quoting 参数不是QUOTE_NONE的时候，使用双引号表示引号内的元素作为一个元素使用。

　escapechar : str (length 1), default None

　　当quoting 为QUOTE_NONE时，指定一个字符使的不受分隔符限值。

　comment : str, default None

　　标识着多余的行不被解析。如果该字符出现在行首，这一行将被全部忽略。这个参数只能是一个字符，空行（就像skip_blank_lines=True）注释行被header和skiprows忽略一样。

　　例如如果指定comment='#' 解析‘#empty\na,b,c\n1,2,3’ 以header=0 那么返回结果将是以’a,b,c'作为header。

　encoding : str, default None

　　指定字符集类型，通常指定为'utf-8'. List of Python standard encodings

　dialect : str or csv.Dialect instance, default None

　　如果没有指定特定的语言，如果sep大于一个字符则忽略。具体查看csv.Dialect 文档

　tupleize_cols : boolean, default False

　　Leave a list of tuples on columns as is (default is to convert to a Multi Index on the columns)

　error_bad_lines : boolean, default True

　　如果一行包含太多的列，那么默认不会返回DataFrame ，如果设置成false，那么会将改行剔除（只能在C解析器下使用）。

　warn_bad_lines : boolean, default True

　　如果error_bad_lines =False，并且warn_bad_lines =True 那么所有的“bad lines”将会被输出（只能在C解析器下使用）。

　low_memory : boolean, default True

　　分块加载到内存，再低内存消耗中解析。但是可能出现类型混淆。确保类型不被混淆需要设置为False。或者使用dtype 参数指定类型。

　　注意使用chunksize 或者iterator 参数分块读入会将整个文件读入到一个Dataframe，而忽略类型（只能在C解析器中有效）

　buffer_lines : int, default None

　　不推荐使用，这个参数将会在未来版本移除，因为他的值在解析器中不推荐使用

　compact_ints : boolean, default False

　　不推荐使用，这个参数将会在未来版本移除

　　如果设置compact_ints=True ，那么任何有整数类型构成的列将被按照最小的整数类型存储，是否有符号将取决于use_unsigned 参数

　use_unsigned : boolean, default False

　　不推荐使用：这个参数将会在未来版本移除

　　如果整数列被压缩(i.e. compact_ints=True)，指定被压缩的列是有符号还是无符号的。

　　memory_map : boolean, default False

　　如果使用的文件在内存内，那么直接map文件使用。使用这种方式可以避免文件再次进行IO操作。