【Python-数据科学】Pandas Basics速查表（2023）
Pandas library是Python中最强大有效的library之一。它基于NumPy构建，为 Python编程语言提供了易于使用的数据结构和数据分析工具。如果你想了解更多关于Python的相关内容，可以阅读以下这些文章：
如何使用Python进行运动检测？
Tabpy ——Tableau和Python合体了！
动动小手，几行python代码让你的邮箱自动化又智能！
Python3.11新鲜出炉，快来看看有哪些亮点！
查看下面的内容，了解Pandas提供的各种功能和工具。
- Pandas数据结构
- 删除
- 排序＆排名
- 检索Series/DataFrame信息
- Dataframe统计
- 查询
- 函数应用
- 数据对齐
- 输入/输出
Pandas数据结构
Pandas library主要围绕两种类型的数据结构。第一个是称为Series的一维数组，第二个是称为Data Frame的二维表。
- Series：一维标记数组
>>> s = pd.Series([3, -5, 7, 4], index = ['a','b','c','d'])
a 3
b -5
c 7
d 4- Data Frame：二维标记数据结构
>>> data = {'Country':['Belgium','India','Brazil'], 'Capital':['Brussels','New Delhi','Brasilia'], 'Population':['111907','1303021','208476']}>>> df = pd.DataFrame(data, columns = ['Country','Capital','Population']) Country Capital Population
0 Belgium Brussels 111907
1 India New Delhi 1303021
2 Brazil Brasilia 208476删除
在这一部分，你将学习如何从一个Series中删除特定值，以及如何从一个Data Frame中删除列或行。
下面是代码中的s和df在这一部分用作Series和Data Frame的示例。
>>> sa 6
b -5
c 7
d 4>>> df Country Capital Population
0 Belgium Brussels 111907
1 India New Delhi 1303021
2 Brazil Brasilia 208476
l ·Drop values from rows (axis = 0)
>>> s.drop(['a','c']) b -5
d 4
l ·Drop values from columns (axis = 1)
>>> df.drop('Country', axis = 1) Capital Population
0 Brussels 111907
1 New Delhi 1303021
2 Brasilia 208476排序＆排名
在这一部分，你将学习如何按索引或列对一个Data Frames进行排序，以及如何对列值进行排名。
下面是代码中的df在这一部分用作Data Frame的示例。
>>> df Country Capital Population
0 Belgium Brussels 111907
1 India New Delhi 1303021
2 Brazil Brasilia 208476
l ·Sort by labels along an axis
>>> df.sort_index() Country Capital Population
0 Belgium Brussels 111907
1 India New Delhi 1303021
2 Brazil Brasilia 208476
l ·Sort by values along an axis
>>> df.sort_values(by = 'Country') Country Capital Population
0 Belgium Brussels 111907
2 Brazil Brasilia 208476
1 India New Delhi 1303021
l ·Assign ranks to entries
>>> df.rank() Country Capital Population
0 1.0 2.0 1.0
1 3.0 3.0 2.0
2 2.0 1.0 3.0检索Series/DataFrame信息
在这一部分，你将学习如何从一个Data Frame中检索信息，该Data Frame包括维度、列命名、列类型和索引范围。
下面是代码中的df在这一部分用作Data Frame的示例。
>>> df Country Capital Population
0 Belgium Brussels 111907
1 India New Delhi 1303021
2 Brazil Brasilia 208476
l ·(rows, columns)
>>> df.shape
(3, 3)
l ·Describe index
>>> df.index
RangeIndex(start=0, stop=3, step=1)
l ·Describe DataFrame columns
>>> df.columns
Index(['Country', 'Capital', 'Population'], dtype='object')
l ·Info on DataFrame
>>> df.info()
RangeIndex: 3 entries, 0 to 2
Data columns (total 3 columns):
Country 3 non-null object
Capital 3 non-null object
Population 3 non-null object
dtypes: object(3)
memory usage: 152.0+ bytes
l ·Number of non-NA values
>>> df.count()Country 3
Capital 3
Population 3Dataframe统计
在这一部分，你将学习如何检索一个Data Frame的统计信息，其中包括每列的总和、每列的最小/最大值、每列的平均值等。
下面是代码中的df在这一部分用作Data Frame的示例。
>>> df Even Odd
0 2 1
1 4 3
2 6 5
l ·Sum of values
>>> df.sum()
Even 12
Odd 9
l ·Cumulative sum of values
>>> df.cumsum() Even Odd
0 2 1
1 6 4
2 12 9
l ·Minimum value
>>> df.min()
Even 2
Odd 1
l ·Maximum value
>>> df.max()
Even 6
Odd 5
l ·Summary statistics
>>> df.describe() Even Odd
count 3.0 3.0
mean 4.0 3.0
std 2.0 2.0
min 2.0 1.0
25% 3.0 2.0
50% 4.0 3.0
75% 5.0 4.0
max 6.0 5.0
l ·Mean of values
>>> df.mean()
Even 4.0
Odd 3.0
l ·Median of values
>>> df.median()
Even 4.0
Odd 3.0查询
在这一部分，你将学习如何从一个Series或Data Frame中查询特定值。
下面是代码中的s和df在这一部分用作Series和Data Frame的示例。
>>> sa 6
b -5
c 7
d 4>>> df Country Capital Population
0 Belgium Brussels 111907
1 India New Delhi 1303021
2 Brazil Brasilia 208476
l ·Get one element
>>> s['b']
-5
l ·Get subset of a DataFrame
>>> df[1:] Country Capital Population
1 India New Delhi 1303021
2 Brazil Brasilia 208476
l ·Select single value by row & column
>>> df.iloc[0,0]
'Belgium'
l ·Select single value by row and column labels
>>> df.loc[0,'Country']
'Belgium'
l ·Select single row of subset rows
>>> df.ix[2]Country Brazil
Capital Brasilia
Population 208476
l ·Select a single column of subset of columns
>>> df.ix[:,'Capital']0 Brussels
1 New Delhi
2 Brasilia
l ·Select rows and columns
>>> df.ix[1,'Capital']
'New Delhi'
l ·Use filter to adjust DataFrame
>>> df[df['Population'] > 120000] Country Capital Population
1 India New Delhi 1303021
2 Brazil Brasilia 208476
l ·Set index a of Series s to 6
>>> s['a'] = 6 a 6
b -5
c 7
d 4函数应用
在这一部分，你将学习如何将函数应用于一个Data Frame或一个特定列的所有值。
下面是代码中的df在这一部分用作Data Frame的示例。
>>> df Even Odd
0 2 1
1 4 3
2 6 5
l ·Apply function
>>> df.apply(lambda x: x*2) Even Odd
0 4 2
1 8 6
2 12 10数据对齐
在这一部分，你将学习如何对具有不同索引的两个Series进行加、减和除。
下面是代码中的s和s3在这一部分用作Series的示例。
>>> sa 6
b -5
c 7
d 4>>> s3a 7
c -2
d 3
l ·Internal Data Alignment
>>> s + s3a 13.0
b NaN
c 5.0
d 7.0#NA values are introduced in the indices that don't overlap
l ·Arithmetic Operations with Fill Methods
>>> s.add(s3, fill_value = 0)a 13.0
b -5.0
c 5.0
d 7.0>>> s.sub(s3, fill_value = 2)a -1.0
b -7.0
c 9.0
d 1.0>>> s.div(s3, fill_value = 4)a 0.857143
b -1.250000
c -3.500000
d 1.333333输入/输出
在这一部分，你将学习如何使用Pandas将CSV文件、Excel文件和SQL查询读入Python。你还将学习如何将一个Data Frame从Pandas导出为CSV文件、Excel文件和SQL查询。
- Read CSV file
>>> pd.read_csv('file.csv')- Write to CSV file
>>> df.to_csv('myDataFrame.csv')- Read Excel file
>>> pd.read_excel('file.xlsx')- Write to Excel file
>>> pd.to_excel('dir/'myDataFrame.xlsx')- Read multiple sheets from the same file
>>> xlsx = pd.ExcelFile('file.xls')>>> df = pd.read_excel(xlsx, Sheet1')- Read SQL Query
>>> from sqlalchemy import create_engine
>>> engine = create_engine('sqlite:///:memory:')
>>> pd.read_sql('SELECT * FROM my_table;', engine)
>>> pd.read_sql_table('my_table', engine)- Write to SQL Query
>>> pd.to_sql('myDF', engine)结语
不管是在当前还是在可预见的未来，Python都是数据科学领域的佼佼者。了解 作为最强大有效的library之一的Pandas，通常是当今数据科学家的必备条件。
在初学时使用这个速查表作为指南，你将很好地掌握Pandas library。感谢阅读。你还可以订阅我们的YouTube频道，观看大量大数据行业相关公开课：https://www.youtube.com/channel/UCa8NLpvi70mHVsW4J_x9OeQ；在LinkedIn上关注我们，扩展你的人际网络！https://www.linkedin.com/company/dataapplab/
原文作者：Zita
翻译作者：高佑兮
美工编辑：过儿
校对审稿：Chuang
原文链接：https://levelup.gitconnected.com/pandas-basics-cheat-sheet-2023-python-for-data-science-b59fb7786b4d
