Pandas是一個(gè)python數(shù)據(jù)分析庫(kù),它提供了許多函數(shù)和方法來加快數(shù)據(jù)分析過程,下面這篇文章主要給大家介紹了關(guān)于python基礎(chǔ)篇之pandas常用基本函數(shù)的相關(guān)資料,需要的朋友可以參考下

　　前言

　　這篇主要整理pandas常用的基本函數(shù)，主要分為五部分：

　　匯總函數(shù)

　　特征統(tǒng)計(jì)函數(shù)

　　唯一值函數(shù)

　　替換函數(shù)

　　排序函數(shù)

　　1、匯總函數(shù)

　　常用的主要是4個(gè)：

　　tail():返回表或序列的后n行

　　head():返回表或序列的前n行

　　info():返回表的信息概況

　　describe():返回表中數(shù)值列對(duì)應(yīng)的主要統(tǒng)計(jì)量

　　n默認(rèn)為5

　　df.describe()
　　#運(yùn)行截圖
　　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、特征統(tǒng)計(jì)函數(shù)

　　在Series和DataFrame上定義了許多統(tǒng)計(jì)函數(shù)，最常見的是：

　　sum

　　mean（均值）

　　median（中位數(shù)）

　　var（方差）

　　std（標(biāo)準(zhǔn)差）

　　max

　　min

　　用法示例

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

　　聚合函數(shù)

　　quantile(返回分位數(shù))

　　count（返回非缺失值個(gè)數(shù)）

　　idxmax（最大值對(duì)應(yīng)的索引）

　　聚合函數(shù)，有一個(gè)公共參數(shù)axis，axis=0代表逐列聚合，axis=1表示逐行聚合

　　df_demo.mean(axis=1).head()

　　3、唯一值函數(shù)

　　唯一值函數(shù)常用的四個(gè)函數(shù)：

　　unique():得到唯一值組成的列表->統(tǒng)計(jì)出指定列唯一存在的值有哪些

　　nunique()：唯一值的個(gè)數(shù)->統(tǒng)計(jì)出指定列唯一存在的值總共有多少個(gè)

　　value_counts()：得到唯一值和其對(duì)應(yīng)出現(xiàn)的頻數(shù)

　　drop_duplicates()：去重

　　duplicated()

　　drop_duplicates()基本用法

　　關(guān)鍵參數(shù)keep

　　first：保留第一次出現(xiàn)的重復(fù)行，刪除后面的重復(fù)行

　　last：刪除重復(fù)項(xiàng)，除了最后一次出現(xiàn)

　　False：把所有重復(fù)組合所在的行剔除。

　　需要指定列

　　代碼：

　　#原本的數(shù)據(jù)樣例
　　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

　　由此可見，使用了first參數(shù)，保留第一次出現(xiàn)的重復(fù)行，刪除后面的重復(fù)行

　　在未指定參數(shù)的情況下，keep默認(rèn)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:刪除所有的重復(fù)行，只保留出現(xiàn)的最后一個(gè)

　　drop_duplicates()&duplicated()的區(qū)別

　　duplicated和drop_duplicates的功能類似，但前者返回了是否為唯一值的布爾列表，其keep參數(shù)與后者一致。其返回的序列，把重復(fù)元素設(shè)為True，否則為False。drop_duplicates等價(jià)于把duplicated為True的對(duì)應(yīng)行剔除。

　　4、替換函數(shù)

　　替換函數(shù)有三類：

　　映射函數(shù)：replace()…

　　邏輯函數(shù)：（1）where（2）mask

　　數(shù)值替換

　　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

　　邏輯替換

　　邏輯替換包括了where和mask，這兩個(gè)函數(shù)是完全對(duì)稱的：where函數(shù)在傳入條件為False的對(duì)應(yīng)行進(jìn)行替換，而mask在傳入條件為True的對(duì)應(yīng)行進(jìn)行替換，當(dāng)不指定替換值時(shí)，替換為缺失值（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

　　綜上所述，這篇文章就給大家介紹到這里了，希望可以給大家?guī)韼椭?/p>