Pandas图解教程来啦,秒懂这些操作!
Pandas读取csv文件
使用pandas的pandas.read_csv函数，读取music.csv文件，存入变量df，此时，df为一个pandas DataFrame。
df = pandas.read_csv('music.csv')
df
pandas.DataFrame取列操作
此处，取第一列数据：
df['Artist']
pandas.DataFrame取行操作
此处，取第二、第三行数据（⚠️注意，df[1:3]不包含左边界）：
df[1:3]
pandas.DataFrame取行、列操作
此处，取第一列中，第一、二、第三行数（⚠️注意，df.loc[1:3]包含左边界）：
df.loc[1:3,['Artist']]
pandas.DataFrame按条件过滤
取满足Genre列为Jazz的数据：
df[df['Genre'] == "Jazz" ]
取满足Listeners列大于1,800,000的数据：
df[df['Listeners'] > 1800000 ]
pandas.DataFrame处理缺省值NaN
df的Plays列存在一缺省值NaN：
使用dropna丢失包含缺省值的行：
df.dropna()
pandas.DataFrame数据分组
此处，按照Genre分组，汇总每个Genre拥有的Listeners数目和Plays数目：
df.groupby('Genre').sum()
pandas.DataFrame增加新列
增加一列Avg Plays，由Plays列与Listeners列之商而来：
pandas.DataFrame数据重构-pivot
pandas.DataFrame数据重构-melt
pandas.DataFrame数据重构-stack
pandas.DataFrame数据重构-unstack
pandas.DataFrame数据重构-unstack(1)
pandas.DataFrame数据重构-unstack(0)
Ref: https://pandas.pydata.org/pandas-docs/stable/user_guide/reshaping.html?highlight=reshape
推荐阅读：
一、Number（数字）Python基础之数字（Number）超级详解
Python随机模块22个函数详解
Python数学math模块55个函数详解二、String（字符串）Python字符串的45个方法详解
Pandas向量化字符串操作三、List（列表）超级详解系列-Python列表全面解析
Python轻量级循环-列表推导式四、Tuple（元组）Python的元组，没想象的那么简单五、Set（集合）全面理解Python集合，17个方法全解，看完就够了六、Dictionary（字典）Python字典详解-超级完整版七、内置函数Python初学者必须吃透这69个内置函数！八、正则模块
Python正则表达式入门到入魔
笔记 | 史上最全的正则表达式八、系统操作Python之shutil模块11个常用函数详解Python之OS模块39个常用函数详解九、进阶模块
【万字长文详解】Python库collections，让你击败99%的Pythoner
高手如何在Python中使用collections模块
↓扫描关注本号↓
评论