Meine Pandas (Python)

Zusammenfassung für mich Von Zeit zu Zeit aktualisiert Beschreiben Sie den Befehl, den Sie verwendet und untersucht haben ** Ich muss mich nur selbst kennen, daher können die Begriffe an einigen Stellen falsch sein **

!! Aussicht

#Befehl
    #Beschreibung der Argumentoption

Modul laden

import pandas 

Pandas Datenobjekte und häufige Operationen

Series

#Eindimensionales Datenobjekt
#Ordne in meinem Bild
ser = pandas.Series()

DataFrame

#Zweidimensionales Datenobjekt
#Mein Bild ähnelt einer DB-Tabelle
df = pandas.DataFrame()

Bearbeiten der DataFrame-Struktur

#x,y,...Sortieren in der Reihenfolge von
df.sort_values(x,y,...)

#Der Argumentindex wurde entfernt.
df.drop(x)
    axis = 1 #Spalte löschen

#Datenrahmen kombinieren
df.merge(x,y,on=z) #Verbinden Sie x- und y-Tabellen mit der z-Spalte als Schlüssel
    suffixes=() #Suffix, das hinzugefügt werden soll, wenn doppelte Elemente vorhanden sind. Durch Kommas getrennt, ist das erste das linke df-Suffix und das zweite das rechte Suffix.
#Vertauschen Sie Zeilen und Spalten
df.transpose()

df.concat([x,y,z,...])
    #Liste der dfs, die Sie zu einer Liste von Argumenten kombinieren möchten

DataFrame-Extraktions- / Erfassungsvorgang

#Maximalwert
df.max()

#Mindestwert
df.min()

#Extrahieren Sie Informationen für jedes Element im Datenrahmen
df.info()
    #Es sind keine besonderen Argumente erforderlich

#Extrahieren Sie nach Zeilennummer / Spaltennummer
df.iloc[Linie,Säule] #Streit:Und alles

#Extrahieren nach Zeilenname / Spaltenname
df.loc[Linie,Säule] #Streit:Und alles

#WO IN in SQL
df.isin()
    #Argumente sind Listen usw.

#Gibt den Datensatz für das Argument von Anfang an zurück
df.head()

#Medianwert abrufen
df.median()

#Ersetzen Sie Nan
df.filna()

#Erhalten Sie zusammenfassende Statistiken
df.describe() 
#Geben Sie die folgenden Statistiken in DataFrame für alle numerischen Spalten zurück
 #count:Anzahl der Elemente
 #unique:Anzahl eindeutiger (eindeutiger) Wertelemente
 #top:Häufigster Wert (Modus)
 #freq:Häufigkeit der häufigsten Werte (Anzahl der Vorkommen)
 #mean:Arithmetischer Durchschnitt
 #std:Standardabweichung
 #min:Mindestwert
 #max:Maximalwert
 #50%:Median
 #25%: 1/4 Minuten
 #75%: 3/4 Minuten

Groupby

#groupby
group = df.groupby()
    as_index=False #Bei False ist der Referenzwert der Aggregation kein Index
    how = left,right,outer
    #Elementname im Argument

#Nummer
group.size()

#Aggregieren Sie bestimmte Elemente auf verschiedene Arten
df.agg({'Zu aggregierende Elemente':['Liste der Aggregationsmethoden']

DataFrame-Lesevorgang

#Lesen Sie csv. Dies ist beim Lesen von Daten, deren Trennzeichen ein Komma ist
df.read_csv()
　　encoding: #Geben Sie den Zeichencode an
　　header= #Legen Sie fest, in welcher Zeile der Spaltenname steht
    name= #Spaltennamen festlegen
    dtype= #Geben Sie den Datentyp mit dem Wörterbuchtyp an
    sep= #Angeben eines Trennzeichens
    engine=
    usecols = #Geben Sie die Spalte an, die in der Liste gelesen werden soll.

#Tabelle lesen. In diesem Fall liest das Trennzeichen die Registerkarten
df.read_table()
　　encoding: #Geben Sie den Zeichencode an
　　header= #Legen Sie fest, in welcher Zeile der Spaltenname steht
    name= #Spaltennamen festlegen

#Lassen Sie die DB lesen
df.read_sql()
    #Das erste Argument ist SQL
    #Das zweite Argument ist das Verbindungsobjekt

DataFrame-Exportvorgang

df.to_csv()
    encoding= #Zeichencode
    index= #Index zusammen ausgeben oder standardmäßig True

Operation DataFrame-Zeilenname / Spaltenname

#Spaltennamen überschreiben
df.columns = [list]
df.rename(columns={Aktueller Spaltenname:Neuer Spaltenname})

#Index überschreiben
df.index = [list]

#Änderung des Spaltennamens / Indexnamens
df.rename({Aktueller Name: Neuer Name})
    axis=1 #Ändern Sie den Spaltennamen. Wenn nicht angegeben, ist dies der Zeilenname.
    

#Reindex
df.reset_index()
    drop=True #Vorhandenen Index löschen

DataFrame-Schreibvorgang

#Zeile einfügen
df.[Spaltenname] = x


#Ersetzen
df.replace({Aktueller Charakter:Neuer Charakter}) #Das Argument ist ein Wörterbuchtyp{Zeichen zu ersetzen:Ersetzter Charakter}

#Fügen Sie das Argument als neue Zeile ein. Die einzufügende Zeile ist eine Liste, Serie, numpy.array
df.append() 

#Spalte hinzufügen
df.assign()

#Wenden Sie die Funktion auf jede Spalte / Zeile an
df.apply()
    axis=1 #Zeile für Zeile
    axis=0 #Nach Spalte
    #Funktion als Argument. Lambda-Stil ist in Ordnung.

Drehen Sie die for-Anweisung in DataFrame

#Extrahieren Sie den DataFrame zeilenweise und wenden Sie ihn auf for an.
for index,row in df.iterrows()
  #Der Rückgabewert ist der Index und andere Zeilenelemente

Lambda-Ausdruck in DataFrame

Dieser Artikel ist sehr leicht zu verstehen. ↓ Ausschuss für die Beseitigung der gegenseitigen Substitution für die Datenverarbeitung von Python / Pandas

Grafik von Pandas

#Balkendiagramm
df.plot.bar()

Tu etwas gegen Nan

#Nan unterscheiden
df.isnull()


#Entferne Nan
df.dropna()
    axis=1 #Spalte löschen.

#Ersetzen Sie nan
df.fillna()
 

Verwalten Sie die Vervielfältigung.

#Suchen Sie nach doppelten Zeilen
#Der Rückgabewert ist True, wenn er den Index überlappt, andernfalls False-Spalte
df.dupulicated()
    keep = False #Wenn Sie nichts angeben, können Sie es nicht als Duplikat abrufen.
#Entfernen Sie vollständig doppelte Zeilen
df.drop_duplicates()

Zeichnung

#Paar Grundstück
grr = pd.scatter_matrix(df)
    #df sind die zu zeichnenden Daten
    c= #Wert zu skalieren
    figsize=(x,y) #Figurengröße
    marker= #Markerform
    hist_kwds={} #Histogrammeinstellungen
    s= #Markergröße
    alpha= #Transparenz