pandas121212121212122

import pandas as pd import json df = pd.read_csv('nba.csv') print(df.to_string()) #to_string() 用于返回 DataFrame 类型的数据，如果不使用该函数，则输出结果为数据的前面 5 行和末尾 5 行，中间部分以 ... 代替 df = pd.read_csv('nba.csv') print(df) # 三个字段 name, site, age nme = ["Google", "Runoob", "Taobao", "Wiki"] st = ["www.google.com", "www.runoob.com", "www.taobao.com", "www.wikipedia.org"] ag = [90, 40, 80, 98] # 字典 dict = {'name': nme, 'site': st, 'age': ag} df = pd.DataFrame(dict) # 保存 dataframe df.to_csv('site.csv') df = pd.read_csv('nba.csv') print(df.head()) # head( n ) 方法用于读取前面的 n 行，如果不填参数 n ，默认返回 5 行 df = pd.read_csv('nba.csv') print(df.head(10)) df = pd.read_csv('nba.csv') print(df.tail()) # # head( n ) 方法用于读取后面的 n 行，如果不填参数 n ，默认返回 5 行 df = pd.read_csv('nba.csv') print(df.tail(10)) df = pd.read_csv('nba.csv') print(df.info()) df = pd.read_csv('property-data.csv') print (df['NUM_BEDROOMS']) print (df['NUM_BEDROOMS'].isnull()) # 默认Pandas把 n/a；NA；NaN 当做空数据 missing_values = ["n/a", "na", "--"] df = pd.read_csv('property-data.csv', na_values = missing_values) # 将列表 missing_values 中定义的字符串（"n/a", "na", "--"）在读取 CSV 文件时识别为缺失值（NaN） print (df['NUM_BEDROOMS']) print (df['NUM_BEDROOMS'].isnull()) # DataFrame.dropna(axis=0, how='any', thresh=None, subset=None, inplace=False) # axis：默认为 0，表示逢空值剔除整行，如果设置参数 axis＝1 表示逢空值去掉整列。 # how：默认为 'any' 如果一行（或一列）里任何一个数据有出现 NA 就去掉整行，如果设置 how='all' 一行（或列）都是 NA 才去掉这整行。 # thresh：设置需要多少非空值的数据才可以保留下来的。 # subset：设置想要检查的列。如果是多个列，可以使用列名的 list 作为参数。 # inplace：如果设置 True，将计算得到的值直接覆盖之前的值并返回 None，修改的是源数据 df = pd.read_csv('property-data.csv') new_df = df.dropna() print(new_df.to_string()) df = pd.read_csv('property-data.csv') df.dropna(inplace = True) # 修改源数据 DataFrame print(df.to_string()) df = pd.read_csv('property-data.csv') df.fillna(12345, inplace = True) # 使用 12345 替换空字段 print(df.to_string()) df = pd.read_csv('property-data.csv') df.dropna(subset=['ST_NUM'], inplace = True) print(df.to_string()) df = pd.read_csv('property-data.csv') df['PID'].fillna(12345, inplace = True) print(df.to_string()) # Pandas使用 mean()、median() 和 mode() 方法计算列的均值（所有值加起来的平均值）、中位数值（排序后排在中间的数）和众数（出现频率最高的数） df = pd.read_csv('property-data.csv') x = df["ST_NUM"].mean() df["ST_NUM"].fillna(x, inplace = True) print(df.to_string()) df = pd.read_csv('property-data.csv') x = df["ST_NUM"].median() df["ST_NUM"].fillna(x, inplace = True) print(df.to_string()) df = pd.read_csv('property-data.csv') x = df["ST_NUM"].mode() df["ST_NUM"].fillna(x, inplace = True) print(df.to_string()) # 第三个日期格式错误 data = { "Date": ['2020/12/01', '2020/12/02' , '20201226'], "duration": [50, 40, 45] } df = pd.DataFrame(data, index = ["day1", "day2", "day3"]) df['Date'] = pd.to_datetime(df['Date'], format='mixed') print(df.to_string()) person = { "name": ['Google', 'Runoob' , 'Taobao'], "age": [50, 40, 12345] # 12345 年龄数据是错误的 } df = pd.DataFrame(person) df.loc[2, 'age'] = 30 # 修改数据 print(df.to_string()) person = { "name": ['Google', 'Runoob' , 'Taobao'], "age": [50, 200, 12345] } df = pd.DataFrame(person) for x in df.index: if df.loc[x, "age"] > 120: df.loc[x, "age"] = 120 print(df.to_string()) person = { "name": ['Google', 'Runoob' , 'Taobao'], "age": [50, 40, 12345] # 12345 年龄数据是错误的 } df = pd.DataFrame(person) for x in df.index: if df.loc[x, "age"] > 120: df.drop(x, inplace = True) person = { "name": ['Google', 'Runoob', 'Runoob', 'Taobao'], "age": [50, 40, 40, 23] } df = pd.DataFrame(person) print(df.duplicated()) persons = { "name": ['Google', 'Runoob', 'Runoob', 'Taobao'], "age": [50, 40, 40, 23] } df = pd.DataFrame(persons) df.drop_duplicates(inplace = True) print(df)