關於Excel，你一定用的到的36個Python函數

来源:https://www.cnblogs.com/chengxyuan/archive/2019/12/23/12088895.html
-Advertisement-
Play Games

從Excel到Python：最常用的36個Pandas函數關於Excel，你一定用的到的36個Python函數 本文涉及pandas最常用的36個函數，通過這些函數介紹如何完成數據生成和導入、數據清洗、預處理，以及最常見的數據分類，數據篩選，分類彙總，透視等最常見的操作。 生成數據表 常見的生成數據 ...


從Excel到Python：最常用的36個Pandas函數
關於Excel，你一定用的到的36個Python函數

本文涉及pandas最常用的36個函數，通過這些函數介紹如何完成數據生成和導入、數據清洗、預處理，以及最常見的數據分類，數據篩選，分類彙總，透視等最常見的操作。

生成數據表

常見的生成數據表的方法有兩種，第一種是導入外部數據，第二種是直接寫入數據。

 

 

Excel中的“文件”菜單中提供了獲取外部數據的功能，支持資料庫和文本文件和頁面的多種數據源導入。

Python支持從多種類型的數據導入。在開始使用Python進行數據導入前需要先導入numpy和pandas庫

import numpy as np
import pandas as pd

導入外部數據

df=pd.DataFrame(pd.read_csv('name.csv',header=1))
df=pd.DataFrame(pd.read_Excel('name.xlsx'))c

裡面有很多可選參數設置，例如列名稱、索引列、數據格式等

直接寫入數據

df = pd.DataFrame({"id":[1001,1002,1003,1004,1005,1006],
"date":pd.date_range('20130102', periods=6),
"city":['Beijing ', 'SH', ' guangzhou ', 'Shen
zhen', 'shanghai', 'BEIJING '],
"age":[23,44,54,32,34,32],
"category":['100-A','100-B','110-A','110-C','2
10-A','130-F'],
"price":[1200,np.nan,2133,5433,np.nan,4432]},
columns =['id','date','city','category','age',
'price'])

數據表檢查

數據表檢查的目的是瞭解數據表的整體情況，獲得數據表的關鍵信息、數據的概況，例如整個數據表的大小、所占空間、數據格式、是否有 空值和重覆項和具體的數據內容，為後面的清洗和預處理做好準備。

1.數據維度(行列)

Excel中可以通過CTRL+向下的游標鍵，和CTRL+向右的游標鍵 來查看行號和列號。Python中使用shape函數來查看數據表的維度，也就是行數和列數。

df.shape

2.數據表信息

使用info函數查看數據表的整體信息，包括數據維度、列名稱、數據格式和所占空間等信息。#數據表信息

df.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 6 entries, 0 to 5
Data columns (total 6 columns):
id 6 non-null int64
date 6 non-null datetime64[ns]
city 6 non-null object
category 6 non-null object
age 6 non-null int64
price 4 non-null float64
dtypes: datetime64[ns](1), float64(1), int64(2), object(2)
memory usage: 368.0+ bytes

3.查看數據格式

Excel中通過選中單元格並查看開始菜單中的數值類型來判斷數 據的格式。Python中使用dtypes函數來返回數據格式。

Dtypes是一個查看數據格式的函數，可以一次性查看數據表中所 有數據的格式，也可以指定一列來單獨查看

#查看數據表各列格式
df.dtypes
id int64
date datetime64[ns]
city object
category object
age int64
price float64
dtype: object
#查看單列格式
df['B'].dtype
dtype('int64')

4.查看空值

Excel中查看空值的方法是使用“定位條件”在“開始”目錄下的“查找和選擇”目錄.

Isnull是Python中檢驗空值的函數

#檢查數據空值
df.isnull()

#檢查特定列空值
df['price'].isnull()

5.查看唯一值

Excel中查看唯一值的方法是使用“條件格式”對唯一值進行顏色 標記。

Python中使用unique函數查看唯一值。

#查看city列中的唯一值
df['city'].unique()
array(['Beijing ', 'SH', ' guangzhou ', 'Shenzhen', 'shanghai', '
BEIJING '], dtype=object)

6.查看數據表數值

Python中的Values函數用來查看數據表中的數值

#查看數據表的值
df.values

7.查看列名稱

Colums函數用來單獨查看數據表中的列名稱。

#查看列名稱
df.columns
Index(['id', 'date', 'city', 'category', 'age', 'price'], dtype='
object')

8.查看前10行數據

Head函數用來查看數據表中的前N行數據

#查看前3行數據
df.head(3)

9.查看後10行數據

Tail行數與head函數相反，用來查看數據表中後N行的數據

#查看最後3行
df.tail(3)

數據表清洗

本章介紹對數據表中的問題進行清洗，包括對空值、大小寫問題、數據格式和重覆值的處理。

1.處理空值(刪除或填充)

Excel中可以通過“查找和替換”功能對空值進行處理

Python中處理空值的方法比較靈活，可以使用 Dropna函數用來刪除數據表中包含空值的數據，也可以使用fillna函數對空值進行填充。

#刪除數據表中含有空值的行
df.dropna(how='any')

也可以使用數字對空值進行填充

#使用數字0填充數據表中空值
df.fillna(value=0)

使用price列的均值來填充NA欄位，同樣使用fillna函數，在要填充的數值中使用mean函數先計算price列當前的均值，然後使用這個均值對NA進行填充。

#使用price均值對NA進行填充
df['price'].fillna(df['price'].mean())
Out[8]:
0    1200.0
1    3299.5
2    2133.0
3    5433.0
4    3299.5
5    4432.0
Name: price, dtype: float64

2.清理空格

字元中的空格也是數據清洗中一個常見的問題

#清除city欄位中的字元空格
df['city']=df['city'].map(str.strip)

3.大小寫轉換

在英文欄位中，字母的大小寫不統一也是一個常見的問題。Excel中有UPPER，LOWER等函數，Python中也有同名函數用來解決 大小寫的問題。

#city列大小寫轉換
df['city']=df['city'].str.lower()

4.更改數據格式

Excel中通過“設置單元格格式”功能可以修改數據格式。

Python中通過astype函數用來修改數據格式。

#更改數據格式
df['price'].astype('int')
0 1200
1 3299
2 2133
3 5433
4 3299
5 4432
Name: price, dtype: int32

5.更改列名稱

Rename是更改列名稱的函數，我們將來數據表中的category列更改為category-size。

#更改列名稱
df.rename(columns={'category': 'category-size'})

6.刪除重覆值

Excel的數據目錄下有“刪除重覆項”的功能

Python中使用drop_duplicates函數刪除重覆值

df['city']
0 beijing
1 sh
2 guangzhou
3 shenzhen
4 shanghai
5 beijing
Name: city, dtype: object

city列中beijing存在重覆，分別在第一位和最後一位 drop_duplicates()函數刪除重覆值

#刪除後出現的重覆值
df['city'].drop_duplicates()
0 beijing
1 sh
2 guangzhou
3 shenzhen
4 shanghai
Name: city, dtype: object

設置keep='last‘’參數後，與之前刪除重覆值的結果相反，第一位 出現的beijing被刪除

#刪除先出現的重覆值
df['city'].drop_duplicates(keep='last')
1 sh
2 guangzhou
3 shenzhen
4 shanghai
5 beijing
Name: city, dtype: objec

7.數值修改及替換

Excel中使用“查找和替換”功能就可以實現數值的替換

Python中使用replace函數實現數據替換

#數據替換
df['city'].replace('sh', 'shanghai')
0 beijing
1 shanghai
2 guangzhou
3 shenzhen
4 shanghai
5 beijing
Name: city, dtype: object

數據預處理

本章主要講的是數據的預處理，對清洗完的數據進行整理以便後期的統計和分析工作。主要包括數據表的合併，排序，數值分列，數據分組及標記等工作。

1.數據表合併

在Excel中沒有直接完成數據表合併的功能，可以通過VLOOKUP函數分步實現。在Python中可以通過merge函數一次性實現。

#建立df1數據表
df1=pd.DataFrame({"id":[1001,1002,1003,1004,1005,1006,1007,1008],
"gender":['male','female','male','female','male
','female','male','female'],
"pay":['Y','N','Y','Y','N','Y','N','Y',],
"m-point":[10,12,20,40,40,40,30,20]})

使用merge函數對兩個數據表進行合併，合併的方式為inner，將 兩個數據表中共有的數據匹配到一起生成新的數據表。並命名為 df_inner。

#數據表匹配合併
df_inner=pd.merge(df,df1,how='inner')

合併的方式還有left，right和outer方式

df_left=pd.merge(df,df1,how='left')
df_right=pd.merge(df,df1,how='right')
df_outer=pd.merge(df,df1,how='outer')

2.設置索引列

索引列可以進行數據提取，彙總，數據篩選

#設置索引列
df_inner.set_index('id')

3.排序(按索引，按數值)

Excel中可以通過數據目錄下的排序按鈕直接對數據表進行排 序

Python中需要使用ort_values函數和sort_index函數完成排序

#按特定列的值排序
df_inner.sort_values(by=['age'])

Sort_index函數用來將數據表按索引列的值進行排序。

#按索引列排序
df_inner.sort_index()

4.數據分組

Excel中可以通過VLOOKUP函數進行近似匹配來完成對數值的分組，或者使用“數據透視表”來完成分組

Python中使用Where函數用來對數據進行判斷和分組

#如果price列的值>3000，group列顯示high，否則顯示low
df_inner['group'] = np.where(df_inner['price'] > 3000,'high','low
')

還可以對多個欄位的值進行判斷後對數據進行分組，下麵的代碼中對city列等於beijing並且price列大於等於4000的數據標記為1。

#對複合多個條件的數據進行分組標記
df_inner.loc[(df_inner['city'] == 'beijing') & (df_inner['price']
>= 4000), 'sign']=1

5.數據分列

Excel中的數據目錄下提供“分列”功能。

在Python中使用split函數實現分列在數據表中category列中的數據包含有兩個信息，前面的數字為類別id，後面的字母為size值。中間以連字元進行連接。我們使用split函數對這個欄位進行拆分，並將拆分後的數據表匹配回原數據表中。

#對category欄位的值依次進行分列，並創建數據表，索引值為df_inner的索引列，列名稱為category和size
pd.DataFrame((x.split('-') for x in df_inner['category']),index=d
f_inner.index,columns=['category','size'])

#將完成分列後的數據表與原df_inner數據表進行匹配
df_inner=pd.merge(df_inner,split,right_index=True, left_index=Tru
e)

數據提取

1.按標簽提取(loc)

#按索引提取單行的數值
df_inner.loc[3]
id 1004
date 2013-01-05 00:00:00
city shenzhen
category 110-C
age 32
price 5433
gender female
m-point 40
pay Y
group high
sign NaN
category_1 110
size C
Name: 3, dtype: object

使用冒號可以限定提取數據的範圍，冒號前面為開始的標簽值後面為結束的標簽值。

#按索引提取區域行數值
df_inner.loc[0:5]

Reset_index函數用於恢復索引，這裡我們重新將date欄位的日期 設置為數據表的索引，並按日期進行數據提取。

#重設索引
df_inner.reset_index()

#設置日期為索引
df_inner=df_inner.set_index('date')

#提取4日之前的所有數據
df_inner[:'2013-01-04']

2.按位置提取(iloc)

使用iloc函數按位置對數據表中的數據進行提取，這裡冒號前後 的數字不再是索引的標簽名稱，而是數據所在的位置，從0開始。

#使用iloc按位置區域提取數據
df_inner.iloc[:3,:2]

iloc函數除了可以按區域提取數據，還可以按位置逐條提取

#使用iloc按位置單獨提取數據
df_inner.iloc[[0,2,5],[4,5]]

前面方括弧中的0,2,5表示數據所在行的位置，後面方括弧中的數表示所在列的位置。

3.按標簽和位置提取（ix）

ix是loc和iloc的混合，既能按索引標簽提取，也能按位置進行數 據提取.

#使用ix按索引標簽和位置混合提取數據
df_inner.ix[:'2013-01-03',:4]

4.按條件提取（區域和條件值）

使用loc和isin兩個函數配合使用，按指定條件對數據進行提取

#判斷city列的值是否為beijing
df_inner['city'].isin(['beijing'])
date
2013-01-02 True
2013-01-05 False
2013-01-07 True
2013-01-06 False
2013-01-03 False
2013-01-04 False
Name: city, dtype: bool

將isin函數嵌套到loc的數據提取函數中，將判斷結果為Ture數據 提取出來。這裡我們把判斷條件改為city值是否為beijing和shanghai。如果是就把這條數據提取出來。

#先判斷city列里是否包含beijing和shanghai，然後將複合條件的數據提取出來。
df_inner.loc[df_inner['city'].isin(['beijing','shanghai'])]

數據篩選

按條件篩選（與、或、非）

Excel數據目錄下提供了“篩選”功能，用於對數據表按不同的條 件進行篩選。

Python中使用loc函數配合篩選條件來完成篩選功能。配合sum和count函數還能實現Excel中sumif和countif函數的功能。使用“與”條件進行篩選，條件是年齡大於25歲，並且城市為 beijing。

#使用“與”條件進行篩選
df_inner.loc[(df_inner['age'] > 25) & (df_inner['city'] == 'beiji
ng'), ['id','city','age','category','gender']]/

#使用“或”條件篩選
df_inner.loc[(df_inner['age'] > 25) | (df_inner['city'] == 'beiji
ng'), ['id','city','age','category','gender']].sort(['age'])

#使用“非”條件進行篩選
df_inner.loc[(df_inner['city'] != 'beijing'), ['id','city','age',
'category','gender']].sort(['id'])

在前面的代碼後面增加city列，並使用count函數進行計數。相當於Excel中的countifs函數的功能

#對篩選後的數據按city列進行計數
df_inner.loc[(df_inner['city'] != 'beijing'), ['id','city','age',
'category','gender']].sort(['id']).city.count()

還有一種篩選的方式是用query函數

#使用query函數進行篩選
df_inner.query('city == ["beijing", "shanghai"]')

在前面的代碼後增加price欄位和sum函數。對篩選後的price欄位 進行求和，相當於Excel中的sumifs函數的功能。

#對篩選後的結果按price進行求和
df_inner.query('city == ["beijing", "shanghai"]').price.sum()
12230

數據彙總

Excel中使用分類彙總和數據透視可以按特定維度對數據進行彙總，Python中使用的主要函數是groupby和pivot_table。

1.分類彙總

#對所有列進行計數彙總
df_inner.groupby('city').count()/

#對特定的ID列進行計數彙總
df_inner.groupby('city')['id'].count()
city
beijing 2
guangzhou 1
shanghai 2
shenzhen 1
Name: id, dtype: int64

#對兩個欄位進行彙總計數
df_inner.groupby(['city','size'])['id'].count()
city size
beijing A 1
F 1
guangzhou A 1
shanghai A 1
B 1
shenzhen C 1
Name: id, dtype: int64

還可以對彙總後的數據同時按多個維度進行計算

#對city欄位進行彙總並計算price的合計和均值。
df_inner.groupby('city')['price'].agg([len,np.sum, np.mean])

2.數據透視

Python中通過pivot_table函數實現同樣的效果

#設定city為行欄位，size為列欄位，price為值欄位。
分別計算price的數量和金額並且按行與列進行彙總。
pd.pivot_table(df_inner,index=["city"],values=["price"],columns=[
"size"],aggfunc=[len,np.sum],fill_value=0,margins=True)

數據統計

1.數據採樣

 

 

Excel的數據分析功能中提供了數據抽樣的功能

Python通過sample函數完成數據採樣

#簡單的數據採樣
df_inner.sample(n=3)

Weights參數是採樣的權重，通過設置不同的權重可以更改採樣的結果

#手動設置採樣權重
weights = [0, 0, 0, 0, 0.5, 0.5]
df_inner.sample(n=2, weights=weights)

Sample函數中參數replace，用來設置採樣後是否放回

#採樣後不放回
df_inner.sample(n=6, replace=False)
#採樣後放回
df_inner.sample(n=6, replace=True)

2.描述統計

Python中可以通過Describe對數據進行描述統計

#數據表描述性統計
df_inner.describe().round(2).T

3.相關分析

Python中則通過corr函數完成相關分析的操作，並返回相關係數。

#相關性分析
df_inner['price'].corr(df_inner['m-point'])
0.77466555617085264
#數據表相關性分析
df_inner.corr()

數據輸出

1.寫入Excel

#輸出到Excel格式
df_inner.to_Excel('Excel_to_Python.xlsx', sheet_name='bluewhale_c
c')

2.寫入csv

#輸出到CSV格式
df_inner.to_csv('Excel_to_Python.csv')
#在學習Python的過程中，往往因為沒有資料或者沒人指導從而導致自己不想學下去了，因此我特意準備了個群 592539176 ，群里有大量的PDF書籍、教程都給大家免費使用！不管是學習到哪個階段的小伙伴都可以獲取到自己相對應的資料！

參考

王彥平《從Excel到Python：數據分析進階指南》


您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • Dubbo搭建HelloWorld-搭建服務提供者與服務消費者並完成遠程調用(附代碼下載)
    場景 Dubbo簡介與基本概念： https://blog.csdn.net/BADAO_LIUMANG_QIZHI/article/details/103555224 Dubbo環境搭建-ZooKeeper註冊中心： https://blog.csdn.net/BADAO_LIUMANG_QIZH ...
  • “==”與equals方法
    “==”操作符 基本類型比較值：判斷兩個變數的值相等。 引用類型比較引用(是否指向同一個對象)：只有指向同一個對象時才相等。 用“==”進行比較時，兩邊的數據類型必須相容(可自動轉換的基本數據類型除外)。 equals() 所有類都繼承了Object，也就是獲得了equals()方法，還可以重寫。 ...
  • c++-文件分離
    實現文件分離 1.頭文件中不要使用using namespace，由於c++編譯的特性，由於初學還沒深入瞭解，不做具體編譯的解釋 2.由於沒有了命名空間，所以string定義要寫成std::string 3.main.cpp中引入staff.cpp,staff.cpp中引入staff.h main. ...
  • 對象類型轉換
    對java對象的強制類型轉換稱為造型 從子類到父類的類型轉換可以自動進行； 從父類到子類的類型轉換必須通過造型(強制類型轉換)實現； 無繼承關係的引用類型間的轉換是非法的； ...
  • object對象
    object類是所有java類的根父類 如果在類的聲明中未使用extends關鍵字指明父類，則預設父類為object類。 object類中的主要方法 public boolean equals(Object obj) 對象比較 public int hashCode() 取得hash碼 public ...
  • 微信支付之二維碼支付(native)
    HoJe男孩子你要加油阿 準備材料微信支付需要的參數統一下單二維碼回調介面用到的工具類 . 準備材料 首先肯定是要有微信的開發文檔開發文檔地址再然後就是一些必的參數註意:回調地址非同步接收微信支付結果通知的回調地址，通知url必須為外網可訪問的url，不能攜帶參數。 再然後就是微信的SDK . 微信支 ...
  • JDK1.8新特性(一) ----Lambda表達式、Stream API、函數式介面、方法引用
    jdk1.8新特性知識點： Lambda表達式 Stream API 函數式介面 方法引用和構造器調用 介面中的預設方法和靜態方法 新時間日期API default Lambda表達式 Lambda就是把我們之前一些複雜的代碼更簡單化，比如集合內容的判斷比較/排序，我們之前可以進行遍歷判斷取出我們想 ...
  • django url映射的時候指定預設參數
    使用path或者re_path後，在url中都可以包含參數，而有時候想指定預設的參數，可以通過在urls.py中寫兩個url都指向同一個視圖函數。一個帶參數一個不帶參數。同時，在視同函數的參數中設置預設值。這樣，當匹配到不帶參數的url時，就會使用預設值。實例代碼： urls.py 1 from d ...
一周排行
    -Advertisement-
    Play Games
  • 移動開發（一）：使用.NET MAUI開發第一個安卓APP
    移動開發（一）：使用.NET MAUI開發第一個安卓APP 對於工作多年的C#程式員來說，近來想嘗試開發一款安卓APP，考慮了很久最終選擇使用.NET MAUI這個微軟官方的框架來嘗試體驗開發安卓APP，畢竟是使用Visual Studio開發工具，使用起來也比較的順手，結合微軟官方的教程進行了安卓 ...
  • wpf ToggleButton選中效果和一個登錄界面
    前言 QuestPDF 是一個開源 .NET 庫，用於生成 PDF 文檔。使用了C# Fluent API方式可簡化開發、減少錯誤並提高工作效率。利用它可以輕鬆生成 PDF 報告、發票、導出文件等。 項目介紹 QuestPDF 是一個革命性的開源 .NET 庫，它徹底改變了我們生成 PDF 文檔的方 ...
  • 彈幕樹洞項目功能新增篇
    項目地址 項目後端地址： https://github.com/ZyPLJ/ZYTteeHole 項目前端頁面地址： ZyPLJ/TreeHoleVue (github.com) https://github.com/ZyPLJ/TreeHoleVue 目前項目測試訪問地址： http://tree ...
  • 第27篇 sqlserver2022詳細安裝步驟
    話不多說，直接開乾 一.下載 1.官方鏈接下載： https://www.microsoft.com/zh-cn/sql-server/sql-server-downloads 2.在下載目錄中找到下麵這個小的安裝包 SQL2022-SSEI-Dev.exe，運行開始下載SQL server； 二. ...
  • .NET 開源高性能 MQTT 類庫
    前言 隨著物聯網（IoT）技術的迅猛發展，MQTT（消息隊列遙測傳輸）協議憑藉其輕量級和高效性，已成為眾多物聯網應用的首選通信標準。 MQTTnet 作為一個高性能的 .NET 開源庫，為 .NET 平臺上的 MQTT 客戶端與伺服器開發提供了強大的支持。 本文將全面介紹 MQTTnet 的核心功能 ...
  • Serilog文檔翻譯系列（六） - 可用的接收器、增強器、格式化輸出
    Serilog支持多種接收器用於日誌存儲，增強器用於添加屬性，LogContext管理動態屬性，支持多種輸出格式包括純文本、JSON及ExpressionTemplate。還提供了自定義格式化選項，適用於不同需求。 ...
  • 警惕 Visual Studio 屬性求值副作用導致邏輯不符合預期
    目錄簡介獲取 HTML 文檔解析 HTML 文檔測試參考文章 簡介 動態內容網站使用 JavaScript 腳本動態檢索和渲染數據，爬取信息時需要模擬瀏覽器行為，否則獲取到的源碼基本是空的。 本文使用的爬取步驟如下： 使用 Selenium 獲取渲染後的 HTML 文檔 使用 HtmlAgility ...
  • [使用目前最新版]HybridCLR6.9.0+YooAsset2.2.4實現純C# Unity熱更新方案 (一)
    1.前言 什麼是熱更新 游戲或者軟體更新時，無需重新下載客戶端進行安裝，而是在應用程式啟動的情況下，在內部進行資源或者代碼更新 Unity目前常用熱更新解決方案 HybridCLR，Xlua，ILRuntime等 Unity目前常用資源管理解決方案 AssetBundles，Addressable， ...
  • 在 ASP.NET Core Web API 中使用操作篩選器統一處理通用操作
    本文章主要是在C# ASP.NET Core Web API框架實現向手機發送驗證碼簡訊功能。這裡我選擇是一個互億無線簡訊驗證碼平臺，其實像阿裡雲，騰訊雲上面也可以。 首先我們先去 互億無線 https://www.ihuyi.com/api/sms.html 去註冊一個賬號 註冊完成賬號後，它會送 ...
  • 第28篇 如何.net中實現高效可靠數據同步api
    通過以下方式可以高效，並保證數據同步的可靠性 1.API設計 使用RESTful設計，確保API端點明確，並使用適當的HTTP方法（如POST用於創建，PUT用於更新）。 設計清晰的請求和響應模型，以確保客戶端能夠理解預期格式。 2.數據驗證 在伺服器端進行嚴格的數據驗證，確保接收到的數據符合預期格 ...
所有分類