学习Python, 当然少不了pandas，pandas是python数据科学中的必备工具，熟练使用pandas是从sql boy/girl 跨越到一名优秀的数据分析师傅的必备技能。

这篇pandas常用操作总结帮大家回顾下pandas的常用语法，尤其是我们分析数据时常用的方法。文末还有pandas的cheat sheet，帮助你记住常见的pandas操作。

常用操作分类：

1. 从不同文件中导入数据
2. 以不同的文件格式导出DataFrames
3. 查看DataFrame信息
4. 选择数据的特定子集
5. 数据清理命令
6. 分组、排序和过滤数据
7. 其他

以下df代表DataFrame对象，ser代表Series对象。

从不同文件中导入数据

• 从CSV文件中读取所有数据：pd.read_csv(file_name)
• 从一个分隔的文本文件（如TSV）中读取所有数据：pd.read_table(file_name)
• 从Excel表读取：pd.read_excel(file_name)
• 从SQL数据库中读取数据：pd.read_sql(query, connectionObject)
• 从JSON格式的字符串或URL中获取数据：pd.read_json(jsonString)
• 要获取剪贴板的内容：pd.read_clipboard()

以不同的文件格式导出DataFrames

• 将DataFrame写入CSV文件：df.to_csv(file_name)
• 将DataFrame写入Excel文件：df.to_excel(file_name)
• 将一个DataFrame写入一个SQL表：df.to_sql(tableName, connectionObject)
• 将DataFrame写入JSON格式的文件：df.to_json(file_name)

查看DataFrame信息

• 获取所有与索引、数据类型和内存相关的信息：http://df.info()
• 要提取DataFrame的起始n行：df.head(n)
• 要提取DataFrame中最后n行：df.tail(n)
• 要提取DataFrame中可用的行数和列数：df.shape。
• 总结数字列的统计：df.describe()
• 要查看唯一值及其计数：ser.value_counts(dropna=False)

选择数据的特定子集

• 提取第一行：df.iloc[0,:]。
• 提取第一列的第一个元素: df.iloc[0,0]
• 返回标签为'col'的列作为Series：df[col]。
• 返回具有新数据框架的列：df[[col1,col2]]。
• 按位置选择数据：ser.iloc[0]。
• 按索引选择数据：ser.loc['index_one']

数据清理命令

• 同时重命名所有列：df.rename(columns = lambda x: x + '1')
• 选择性地重命名列：df.rename(columns = {'oldName': 'newName'})
• 重命名所有的索引：df.rename(index = lambda x: x + 1)
• 按顺序重命名列：df.columns = ['x', 'y', 'z']。
• 检查是否存在空值，相应地返回一个布尔值arrray：pd.isnull()
• pd.isnull()的反向：pd.notnull()
• 删除所有包含空值的记录：df.dropna()
• 删除所有包含空值的列：df.dropna(axis=1)
• 用'n'代替每个空值：df.fillna(n)
• 要将series的所有数据类型转换为浮点数：ser.astype(float)
• 将所有数字1替换为'1'，将3替换为'3'：ser.replace([1,2], ['one', 'two'])

分组、排序和过滤数据

• 返回列值的groupby对象：df.groupby(colm)
• 返回多列值的groupby对象：df.groupby([colm1, colm2])
• 按升序排序（按列）：df.sort_values(colm1)
• 要按降序排序（按列）：df.sort_values(colm2, ascending=False)
• 提取列值大于0.6的行：df[df[colm] > 0.6]

其他

• 将第一个DataFrame的行添加到第二个DataFrame的末尾：df1.append(df2)
• 将第一个DataFrame的列添加到第二个DataFrame的末尾：pd.concat([df1,df2],axis=1)
• 返回所有列的平均值：df.mean()
• 返回非空值的数量：df.count()

Pandas cheat sheet，简单两页全面地总结了pandas的使用方法。

完整版：pandas cheat sheet