标题文件读取

df = pd.read_csv(path='file.csv')
#参数:
header =None  #用默认列名，0，1，2，3...
names  =['A', 'B', 'C'...] #自定义列名
index_col='A'|['A', 'B'...]  #给索引列指定名称，如果是多重索引，可以传list
skiprows=[0,1,2] #需要跳过的行号，从文件头0开始，skip_footer从文件尾开始
nrows=N #需要读取的行数，前N行
chunksize=M #返回迭代类型TextFileReader，每M条迭代一次，数据占用较大内存时使用
sep=':' #数据分隔默认是','，根据文件选择合适的分隔符，如果不指定参数，会自动解析
skip_blank_lines=False #默认为True，跳过空行，如果选择不跳过，会填充NaN
converters={'col1', func} #对选定列使用函数func转换，通常表示编号的列会使用（避免转换成int）dfjs = pd.read_json('file.json')  #可以传入json格式字符串
dfex = pd.read_excel('file.xls', sheetname=[0,1..]) #读取多个sheet页，返回多个df的字典

数据预处理

df.duplicated()           #返回各行是否是上一行的重复行
df.drop_duplicates()      #删除重复行，如果需要按照列过滤，参数选填['col1', 'col2',...]
df.fillna(0)              #用实数0填充na
df.dropna()              # axis=0|1  0-index 1-column# how='all'|'any' all-全部是NA才删  any-只要有NA就全删
del df['col1']           # 直接删除某一列
df.drop(['col1',...], aixs=1)   #删除指定列，也可以删除行
df.column = col_lst       #重新制定列名
df.rename(index={'row1':'A'}, columns={'col1':'A1'})    #重命名索引名和列名df.replace(dict)          #替换df值，前后值可以用字典表，{1:‘A’, '2':'B'}def get_digits(str):m = re.match(r'(\d+(\.\d+)?)', str.decode('utf-8'))if m is not None:   return float(m.groups()[0])else:return 0
df.apply(get_digits)      #DataFrame.apply，只获取小数部分，可以选定某一列或行
df['col1'].map(func)      #Series.map，只对列进行函数转换pd.merge(df1, df2, on='col1',how='inner'，sort=True) #合并两个DataFrame，按照共有的某列做内连接（交集），outter为外连接（并集），结果排序pd.merge(df1, df2, left_on='col1', right_on='col2') #  df1 df2没有公共列名，所以合并需指定两边的参考列pd.concat([sr1, sr2, sr3,...], axis=0) #多个Series堆叠成多行，结果仍然是一个Series
pd.concat([sr1, sr2, sr3,...], axis=1) #多个Series组合成多行多列，结果是一个DataFrame，索引取并集，没有交集的位置填入缺省值NaNdf1.combine_first(df2)   #用df2的数据补充df1的缺省值NaN，如果df2有更多行，也一并补上df.stack()              #列旋转成行，也就是列名变为索引名，原索引变成多层索引，结果是具有多层索引的Series，实际上是把数据集拉长df.unstack()            #将含有多层索引的Series转换为DataFrame，实际上是把数据集压扁，如果某一列具有较少类别，那么把这些类别拉出来作为列
df.pivot()             #实际上是unstack的应用，把数据集压扁pd.get_dummies(df['col1'], prefix='key') #某列含有有限个值，且这些值一般是字符串，例如国家，借鉴位图的思想，可以把k个国家这一列量化成k列，每列用0、1表示

数据筛选

df.columns             #列名，返回Index类型的列的集合
df.index               #索引名，返回Index类型的索引的集合
df.shape               #返回tuple，行x列
df.head(n=N)           #返回前N条
df.tail(n=M)           #返回后M条
df.values              #值的二维数组，以numpy.ndarray对象返回
df.index               #DataFrame的索引，索引不可以直接赋值修改
df.reindex(index=['row1', 'row2',...],columns=['col1', 'col2',...]) #根据新索引重新排序
df[m:n]                #切片，选取m~n-1行
df[df['col1'] > 1]     #选取满足条件的行
df.query('col1 > 1')   #选取满足条件的行
df.query('col1==[v1,v2,...]')
df.ix[:,'col1']        #选取某一列
df.ix['row1', 'col2']  #选取某一元素
df.ix[:,:'col2']       #切片选取某一列之前（包括col2）的所有列
df.loc[m:n]            #获取从m~n行（推荐）
df.iloc[m:n]           #获取从m~n-1行
df.loc[m:n-1,'col1':'coln']   #获取从m~n行的col1~coln列sr=df['col']           #取某一列，返回Series
sr.values              #Series的值，以numpy.ndarray对象返回
sr.index               #Series的索引，以index对象返回

数据运算与排序

df.T                   #DataFrame转置
df1 + df2              #按照索引和列相加，得到并集，NaN填充
df1.add(df2, fill_value=0) #用其他值填充
df1.add/sub//mul/div   #四则运算的方法
df - sr                #DataFrame的所有行同时减去Series
df * N                 #所有元素乘以N
df.add(sr, axis=0)    # DataFrame的所有列同时减去Seriessr.order()             #Series升序排列
df.sort_index(aixs=0, ascending=True) #按行索引升序
df.sort_index(by=['col1', 'col2'...])  #按指定列优先排序
df.rank()              #计算排名rank值

数学统计

r.unique             #Series去重
sr.value_counts()    # Series统计频率，并从大到小排序，DataFrame没有这个方法
sr.describe()         #返回基本统计量和分位数df.describe()        # 按各列返回基本统计量和分位数
df.count()            #求非NA值得数量
df.max()              #求最大值
df.min()              #求最大值
df.sum(axis=0)       #按各列求和
df.mean()             #按各列求平均值
df.median()           #求中位数
df.var()              #求方差
df.std()              #求标准差
df.mad()              #根据平均值计算平均绝对利差
df.cumsum()           #求累计和
sr1.corr(sr2)         #求相关系数
df.cov()              #求协方差矩阵
df1.corrwith(df2)     #求相关系数pd.cut(array1, bins)  #求一维数据的区间分布
pd.qcut(array1, 4)    #按指定分位数进行区间划分，4可以替换成自定义的分位数列表   df['col1'].groupby(df['col2']) #列1按照列2分组，即列2作为key
df.groupby('col1')    #DataFrame按照列1分组
grouped.aggreagte(func) #分组后根据传入函数来聚合
grouped.aggregate([f1, f2,...]) #根据多个函数聚合，表现成多列，函数名为列名
grouped.aggregate([('f1_name', f1), ('f2_name', f2)])# 重命名聚合后的列名
grouped.aggregate({'col1':f1, 'col2':f2,...}) #对不同的列应用不同函数的聚合，函数也可以是多个df.pivot_table(['col1', 'col2'], rows=['row1', 'row2'], aggfunc=[np.mean, np.sum], fill_value=0,margins=True)  #根据row1, row2对col1， col2做分组聚合，聚合方法可以指定多种，并用指定值替换缺省值pd.crosstab(df['col1'], df['col2']) 交叉表，计算分组的频率

pandas.read_excel相关推荐

pythonexcel介绍_Python 中pandas.read_excel详细介绍
Python 中pandas.read_excel详细介绍 #coding:utf-8 import pandas as pd import numpy as np filefullpath = r& ...
成功解决将python的列表格式输出数值(如pandas.read_excel().describe())，批量转到表格内daiding
成功解决将python的列表格式输出数值(如pandas.read_excel().describe()),批量转到表格内目录解决问题解决方法解决问题将python的列表格式(如pandas ...
python read函数参数_最新Pandas.read_excel()全参数详解（案例实操，如何利用python导入excel）...
pandas.read_excel()的作用:将Excel文件读取到pandas DataFrame中. 支持从本地文件系统或URL读取的xls,xlsx,xlsm,xlsb和odf文件扩展名. 支持 ...
c++常引用做参数可以有默认参数吗_最新Pandas.read_excel()全参数详解（案例实操，如何利用python导入excel）...
pandas.read_excel()的作用:将Excel文件读取到pandas DataFrame中. 支持从本地文件系统或URL读取的xls,xlsx,xlsm,xlsb和odf文件扩展名. 支持 ...
pandas read_excel 和 to_excel 读写Excel的参数详解
Python 读写 Excel 可以使用 Pandas,处理很方便.但如果要处理 Excel 的格式,还是需要 openpyxl 模块,旧的 xlrd 和 xlwt 模块可能支持不够丰富.Pandas ...
python pandas read_excel 参数详解 to_excel 读写Excel
Python 读写 Excel 可以使用 Pandas,处理很方便.但如果要处理 Excel 的格式,还是需要 openpyxl 模块,旧的 xlrd 和 xlwt 模块可能支持不够丰富.Pandas ...
Pandas读取excel文件(pandas.read_excel)
Pandas读取excel文件[pandas.read_excel] 说明一.pandas.read_excel函数及参数二.io 三.sheet_name 四.header.index_col ...
已解决Python pandas.read_excel读取Excel文件报错
已解决(Python pandas.read_excel读取Excel文件报错)io = ExcelFile(io,storage_options=storage.options, engine=en ...
python 读excel中一个表_python – pandas read_excel在同一张表上的多个表
假设我们有以下Excel文件: 解决方案:我们正在解析第一张表(索引:0) xl = pd.ExcelFile(fn) nrows = xl.book.sheet_by_index(0).nrows ...

pandas.read_excel

标题文件读取

数据预处理

数据筛选

数据运算与排序

数学统计

pandas.read_excel相关推荐

最新文章

热门文章