焦点速看：学会这 29 个 函数，你就是 Pandas 专家

Pandas 无疑是 Python 处理表格数据最好的库之一，但是很多新手无从下手，这里总结出最常用的 29个函数，先点赞收藏，留下印象，后面使用的时候打开此文CTRL + F 搜索函数名称，检索其用法即可。

(资料图)

1、读取 csv 文件 df.read_csv

csv 通常是读取 Pandas DataFrame 的最流行的文件格式，你可以使用 pd.read_csv() 方法创建 Pandas DataFrame，类似的函数还有 read_excel，用法如下：

file="file.csv"df=pd.read_csv(file)print(df)#######output##########col1col2col3012A134B

2、写入 csv 文件 df.to_csv

将 DataFrame 导出到 csv，类似的函数是 df.to_excel，用法如下：

df.to_csv("file.csv",sep="|",index=False)

查看 file.csv

!catfile.csvcol1|col2|col31|2|A3|4|B

3、数据帧 pd.DataFrame

用来创建 Pandas 的 DataFrame：

data=[[1,2,"A"],[3,4,"B"]]df=pd.DataFrame(data,columns=["col1","col2","col3"])print(df)#######output##########col1col2col3012A134B

借助这个构造函数，我们还可以把字典转换为 DataFrame：

data={"col1":[1,2],"col2":[3,4],"col3":["A","B"]}df=pd.DataFrame(data=data)print(df)#######output##########col1col2col3col1col2col3013A124B

4、 获取数据帧的形状 df.shape

df.shape 属性可以获取 DataFrame 的形状，也就是几行几列这样的数据：

print(df)print("Shape:",df.shape)#######output##########col1col2col3col1col2col3013A124BShape:(2,3)

5、查看前 n 行 df.head(n)

数据帧（DataFrame) 会有很多行，通常我们只对查看 DataFrame 的前 n 行感兴趣，这时可以使用 df.head(n) 方法打印前 n 行：

print(df.head(5))#######output##########col1col2col3012A134B256C378D4910E

6、打印列的类型 df.dtypes

Pandas 为 DataFrame 中的每一列分配适当的数据类型。使用 dtypes 参数打印所有列的数据类型：

df.dtypes#######output##########col1int64col2int64col3objectdtype:object

7、修改列的类型 astype

如果要更改列的数据类型，可以使用 astype() 方法，如下所示：

df["col1"]=df["col1"].astype(np.int8)print(df.dtypes)#######output##########col1int8col2int64col3objectdtype:object

8-9、打印有关 DataFrame 的描述性信息

这里有两个函数，第一个 df.info():

df.info()#######output##########RangeIndex:10entries,0to9Datacolumns(total3columns):#ColumnNon-NullCountDtype----------------------------0col110non-nullint81col210non-nullint642col310non-nullobjectdtypes:int64(1),int8(1),object(1)memoryusage:298.0+bytes

第二个是 df.describe()。

如果要打印每个数值列的平均值、标准偏差、最大值等标准统计信息，就可以这样：

print(df.describe())#######output##########col1col2count10.0010.00mean10.0011.00std6.066.06min1.002.0025%5.506.5050%10.0011.0075%14.5015.50max19.0020.00

10、 填充 NaN 值 df.fillna

假如有这样的 DataFrame：

df=pd.DataFrame([[1,2,"A"],[np.nan,4,"B"]],columns=["col1","col2","col3"])print(df)#######output##########col1col2col301.02A1NaN4B

里面有 NaN，如果要填充它，可以这样：

df.fillna(0,inplace=True)print(df)########output##########col1col2col301.02A10.04B

11、数据帧的关联 df.merge

如果你想用一个连接键合并两个 DataFrame，使用 pd.merge() 方法：

merge 之前：

df1=...df2=...print(df1)print(df2)########output##########col1col2col3012A134A256Bcol3col40AX1BY

使用 df.merge 后，可以生成新的数据帧

pd.merge(df1,df2,on="col3")########output##########col1col2col3col4012AX134AX256BY

12、数据帧排序 df.sort_values

排序是 DataFrame 非常典型的操作，我们可以使用 df.sort_values() 方法对 DataFrame 进行排序：

f=pd.DataFrame([[1,2,"A"],[5,8,"B"],[3,10,"B"]],columns=["col1","col2","col3"])print(df.sort_values("col1"))########output##########col1col2col3012A2310B158B

13、数据帧分组 df.groupby

要对 DataFrame 进行分组并执行聚合，使用 Pandas 中的 groupby() 方法，如下所示：

df=pd.DataFrame([[1,2,"A"],[5,8,"B"],[3,10,"B"]],columns=["col1","col2","col3"])df.groupby("col3").agg({"col1":sum,"col2":max})########output##########col1col2col3A12B810

14、重命名列 df.rename

如果要重命名列标题，请使用 df.rename() 方法，如下所示：

f=pd.DataFrame([[1,2,"A"],[5,8,"B"],[3,10,"B"]],columns=["col1","col2","col3"])df.rename(columns={"col1":"col_A"})########output##########col_Acol2col3012A158B2310B

15、删除列 df.drop

如果要删除数据帧中的某一列，可以这样：

df=pd.DataFrame([[1,2,"A"],[5,8,"B"],[3,10,"B"]],columns=["col1","col2","col3"])print(df.drop(columns=["col1"]))########output##########col2col302A18B210B

16、增加列

方法一：使用赋值运算符添加新列

df=pd.DataFrame([[1,2],[3,4]],columns=["col1","col2"])df["col3"]=df["col1"]+df["col2"]print(df)########output##########col1col2col301231347

方法二：df.assign()

df=pd.DataFrame([[1,2],[3,4]],columns=["col1","col2"])df=df.assign(col3=df["col1"]+df["col2"])print(df)########output##########col1col2col301231347

17、数据帧过滤-布尔型过滤

如果该行上的条件评估为 True，则选择该行：

df=pd.DataFrame([[1,2,"A"],[5,8,"B"],[3,10,"B"]],columns=["col1","col2","col3"])print(df[df["col2"]>5])########output##########col1col2col3158B2310B

18、数据帧过滤-之获取某一列

df["col1"]##ordf.col1########output##########011523Name:col1,dtype:int64

19、数据帧过滤-按标签选择 df.loc

在基于标签的选择中，要求的每个标签都必须在 DataFrame 的索引中。整数也是有效的标签，但它们指的是标签而不是索引位置。

假如有如下 DataFrame：

df=pd.DataFrame([[6,5,10],[5,8,6],[3,10,4]],columns=["Maths","Science","English"],index=["John","Mark","Peter"])print(df)########output##########MathsScienceEnglishJohn6510Mark586Peter3104

我们使用 df.loc 方法进行基于标签的选择：

df.loc["John"]########output##########Maths6Science5English10Name:John,dtype:int64

df.loc["Mark",["Maths","English"]]########output##########Maths5English6Name:Mark,dtype:int64

但是在df.loc[]中，不允许使用索引来过滤 DataFrame，如下图：

20、数据帧过滤-按索引选择 df.iloc

以 19 里面的数据帧为例，使用 df.iloc 可以用索引：

df.iloc[0]########output##########Maths6Science5English10Name:John,dtype:int64

21、数据帧中对某一列去重

df=pd.DataFrame([[1,2,"A"],[5,8,"B"],[3,10,"A"]],columns=["col1","col2","col3"])df["col3"].unique()########output##########array(["A","B"],dtype=object)

22、数据帧中获取某一列去重后的个数

df["col3"].nunique()########output##########2

23、将函数应用于 DataFrame df.apply

非常实用：

defadd_cols(row):returnrow.col1+row.col2df=pd.DataFrame([[1,2],[5,8],[3,9]],columns=["col1","col2"])df["col3"]=df.apply(add_cols,axis=1)print(df)########output##########col1col2col301231581323912

还可以将方法应用于单个列，如下所示：

defsquare_col(num):returnnum**2df=pd.DataFrame([[1,2],[5,8],[3,9]],columns=["col1","col2"])df["col3"]=df.col1.apply(square_col)print(df)########output##########col1col2col30121158252399

24、标记重复行 df.duplicated

你可以使用 df.duplicated() 方法标记所有重复的行

df=pd.DataFrame([[1,"A"],[2,"B"],[1,"A"]],columns=["col1","col2"])df.duplicated(keep=False)########output##########0True1False2Truedtype:bool

25、删除重复行 df.drop_duplicates

可以使用 df.drop_duplicates() 方法删除重复的行，如下所示：

df=pd.DataFrame([[1,"A"],[2,"B"],[1,"A"]],columns=["col1","col2"])print(df.drop_duplicates())########output##########col1col201A12B

26、寻找值的分布 value_counts

要查找列中每个唯一值的频率，请使用 df.value_counts() 方法：

df=pd.DataFrame([[1,"A"],[2,"B"],[1,"A"]],columns=["col1","col2"])print(df.value_counts("col2"))########output##########col2A2B1dtype:int64

27、 重置 DataFrame 的索引 df.reset_index

要重置 DataFrame 的索引，请使用 df.reset_index() 方法：

df=pd.DataFrame([[6,5,10],[5,8,6],[3,10,4]],columns=["col1","col2","col3"],index=[2,3,1])print(df.reset_index())########output##########indexcol1col2col302651013586213104

要删除旧索引，请将 drop=True 作为参数传递给上述方法：

df.reset_index(drop=True)########output##########col1col2col306510158623104

28、查找交叉表 df.crosstab

要返回跨两列的每个值组合的频率，请使用 pd.crosstab() 方法：

df=pd.DataFrame([["A","X"],["B","Y"],["C","X"],["A","X"]],columns=["col1","col2"])print(pd.crosstab(df.col1,df.col2))########output##########col2XYcol1A20B01C10

29、透视数据帧

数据透视表是 Excel 中常用的数据分析工具。与上面讨论的交叉表类似，Pandas 中的数据透视表提供了一种交叉制表数据的方法。

假如 DataFrame 如下：

df=...print(df)NameSubjectMarks0JohnMaths61MarkMaths52PeterMaths33JohnScience54MarkScience85PeterScience106JohnEnglish107MarkEnglish68PeterEnglish4

使用 pd.pivot_table() 方法，可以将列条目转换为列标题：

pd.pivot_table(df,index=["Name"],columns=["Subject"],values="Marks",fill_value=0)########output##########SubjectEnglishMathsScienceNameJohn1065Mark658Peter4310

最后的话

恭喜你看完了 Pandas 中最常用的 29 种方法，后面在使用 Pandas 时，你可能会在 90% 的时间里使用这些方法，点赞、收藏、关注，后续使用 Pandas 不迷路。当然了，如果你要做一名数据分析师，只有 Pandas 还是不够的，还需要系统的学习，这里推荐一本书：

祝学有所成。

关键词： 数据类型 可以使用 参数传递