详解pandas库常用函数的介绍和用法

百变鹏仔 24小时前 #Python

文章标签详解

pandas库常用函数介绍及用法详解

引言：

pandas是一个开源、灵活而又高效的数据分析和操作工具，被广泛应用于数据科学、机器学习、金融、统计学等领域。本文将介绍pandas库常用的函数及其用法，希望能够帮助读者更好地理解和使用pandas。

一、数据结构介绍

Series（序列）

Series是pandas中最基本的数据结构之一，它是一种一维的数据类型，可以包含任何数据类型（整数、浮点数、字符串等）。其创建方式如下：

import pandas as pddata = [1, 2, 3, 4, 5]s = pd.Series(data)print(s)

输出结果：

0    11    22    33    44    5dtype: int64

DataFrame（数据框）

DataFrame是pandas中最常用的数据结构，它是一个二维的表格型数据结构，可以看作是由若干个Series组成的。其创建方式如下：

import pandas as pddata = {'name': ['Alice', 'Bob', 'Charlie'],        'age': [25, 30, 35],        'city': ['New York', 'London', 'Tokyo']}df = pd.DataFrame(data)print(df)

输出结果：

      name  age      city0    Alice   25  New York1      Bob   30    London2  Charlie   35     Tokyo

二、常用函数介绍及用法详解

head()和tail()

head()函数用于查看DataFrame前几行，默认查看前5行；tail()函数用于查看DataFrame后几行，默认查看后5行。示例代码如下：

import pandas as pddf = pd.read_csv('data.csv')print(df.head())print(df.tail())

shape属性

shape属性返回DataFrame的形状，即行数和列数。示例代码如下：

import pandas as pddf = pd.read_csv('data.csv')print(df.shape)

info()函数

info()函数用于查看DataFrame的整体信息，包括列名、非空值数量、数据类型等。示例代码如下：

import pandas as pddf = pd.read_csv('data.csv')print(df.info())

describe()函数

describe()函数用于统计DataFrame中数值型列的统计信息，如计数、均值、标准差、最小值、最大值等。示例代码如下：

import pandas as pddf = pd.read_csv('data.csv')print(df.describe())

sort_values()函数

sort_values()函数用于根据指定列的值对DataFrame进行排序。示例代码如下：

import pandas as pddf = pd.read_csv('data.csv')df_sorted = df.sort_values(by='age', ascending=False)  # 按照age列的值进行降序排序print(df_sorted)

groupby()函数

groupby()函数用于按照指定列进行分组，并对分组后的结果进行聚合处理。示例代码如下：

import pandas as pddf = pd.read_csv('data.csv')grouped = df.groupby('city')mean_age = grouped['age'].mean()  # 计算每个城市的平均年龄print(mean_age)

merge()函数

merge()函数用于将两个DataFrame按照指定的列进行合并。示例代码如下：

import pandas as pddf1 = pd.DataFrame({'A': [1, 2, 3],                    'B': ['a', 'b', 'c']})df2 = pd.DataFrame({'A': [2, 3, 4],                    'C': ['x', 'y', 'z']})merged = pd.merge(df1, df2, on='A')  # 按照列A合并print(merged)

apply()函数

apply()函数用于对DataFrame中的每个元素应用自定义函数。示例代码如下：

import pandas as pddf = pd.read_csv('data.csv')# 定义一个自定义函数：将年龄加上10def add_ten(age):    return age + 10df['age'] = df['age'].apply(add_ten)  # 对age列的每个元素应用add_ten函数print(df)

结语：

本文简要介绍了pandas库常用的函数及其用法，包括Series和DataFrame的基本操作、数据统计、排序、分组、合并和自定义函数应用等。希望通过本文的介绍能够帮助读者更好地理解和使用pandas库，在数据分析和处理中发挥更大的作用。

文章推荐

详解pandas库常用函数的介绍和用法

了解Python编程技术职位，从而更好地规划你的职业发展

探寻Python在智能城市建设中的关键作用

解析Python编程领域中的最佳就业趋势

揭秘Python在推荐系统开发中的重要角色

为何Python编程是当前最佳的就业方向？