[数据分析工具] Pandas 不可不知的功能（一）

• 如果你在使用 Pandas（Python Data Analysis Library） 的话，下面介绍的对你一定会有帮助的。

首先我们先介绍一些简单的概念

• DataFrame：行列数据，类似 Excel 的 sheet，或关系型数据库的表
• series：单列数据
• axis：0：行，1：列
• shape：DataFrame的行列数，（行数，列数）

1. 加载 CSV

Read_csv 方法有很多参数，有效的利用这些参数可以减轻数据预处理的工作。谁都不愿意做数据清洗，那么我们就在加载数据的时候做一些简单的数据处理

• 直接加载
• • 无参数加载

• • 选择特定列加载

• • 时间转换加载

• 分批加载

　　　　有时我们可能需要加载的 csv 太大，可能会导致内存爆掉，这时候，我们就需要分批加载数据进行分析、处理

2. 浏览 DataFrame 数据

• df.head(n)：浏览数据的前 n 行，默认 5 行
• df.tail(n)：浏览数据的末尾 n 行，默认 5 行
• df.sample(n)：随机浏览 n 行数据，默认 5 行
• df.shape：tuple 类型的数据行列数，（行数，列数）
• df.describe()：计算评估数据的趋势
• df.info()：内存和数据类型

3. 在 DataFrame 中增加列

在 DataFrame 中添加新列的操作很简单，下面介绍几种方式

• 简单方式

　　　　直接增加新列并赋值

　　　　df['new_column'] = 1

• 计算方式

　　　　df['temp_diff'] = df['atemp'] - df['temp']

• 条件方式

　　　　我们仅仅根据风速，简单判断一下人体舒适度，体感比较舒服的温度是 0.3 米/秒

• 循环方式

　　　　我们将 season 转换为具体季节的名称

4. 选择指定单元格

类似于 Excel 单元格的选择，Pandas 提供了这样的功能，操作很简单，但是我本人理解起来确实没有操作看上去那么简单。Pandas 提供了三个方法做类似的操作，loc，iloc，ix，ix 官方已经不建议使用，所以我们下面介绍 loc 和 iloc

• loc 根据标签选取loc

df.loc[行索引开始位置：行索引结束位置,[列名数组]]

• iloc 根据索引选取

　　　　df.iloc[行索引开始位置：行索引结束位置,列索开始位置：列索引结束位置]

• 选取行数据
• df.loc[[行索引数组]]，df.iloc[[行索引数组]]

注意：

• 索引开始位置：闭区间
• 索引结束位置：开区间
• loc 和 iloc 选取整列数据的时候，看上去与 df[列名数组] 的方式一致，但是其实前者返回的仍然是 DataFrame，后者返回的是 Series

 知乎：Pandas 功能介绍（一）