Fork me on GitHub

精选23个Pandas常用函数

Posted on | In , |
Words count in article: 3.7k | Reading time ≈ 21

精选23个Pandas常用函数

从26个字母中精选出23个Pandas常用的函数，将它们的使用方法介绍给大家。其中o、y、z没有相应的函数。

1
2
import pandas as pd
import numpy as np

下面介绍每个函数的使用方法，更多详细的内容请移步官网：https://pandas.pydata.org/docs/reference/general_functions.html

assign函数

1
2
3
4
df = pd.DataFrame({
    'temp_c': [17.0, 25.0]},
    index=['Portland', 'Berkeley'])
df
temp_c
Portland 17.0
Berkeley 25.0 
1
2
3
# 生成新的字段

df.assign(temp_f=df['temp_c'] * 9 / 5 + 32)
temp_c temp_f
Portland 17.0 62.6
Berkeley 25.0 77.0 
1
df  # 原来DataFrame是不改变的
temp_c
Portland 17.0
Berkeley 25.0 
1
2
df["temp_f1"] = df["temp_c"] * 9 / 5 + 32
df
temp_c temp_f1
Portland 17.0 62.6
Berkeley 25.0 77.0 
1
df
temp_c temp_f1
Portland 17.0 62.6
Berkeley 25.0 77.0

bool函数

返回单个Series或者DataFrame中单个元素的bool值：True或者False

1
pd.Series([True]).bool()
True

1
pd.Series([False]).bool()
False

1
pd.DataFrame({'col': [True]}).bool()
True

1
pd.DataFrame({'col': [False]}).bool()
False

1
2
3
# # 多个元素引发报错

# pd.DataFrame({'col': [True,False]}).bool()

concat函数

该函数是用来表示多个DataFrame的拼接，横向或者纵向皆可。

1
2
3
4
df1 = pd.DataFrame({
    "sid":["s1","s2"],
    "name":["xiaoming","Mike"]})
df1
sid name
0 s1 xiaoming
1 s2 Mike 
1
2
3
4
df2 = pd.DataFrame({
    "sid":["s3","s4"],
    "name":["Tom","Peter"]})
df2
sid name
0 s3 Tom
1 s4 Peter 
1
2
3
4
df3 = pd.DataFrame({
    "address":["北京","深圳"],
    "sex":["Male","Female"]})
df3
address sex
0 北京 Male
1 深圳 Female 
1
2
# 使用1：纵向
pd.concat([df1,df2])
sid name
0 s1 xiaoming
1 s2 Mike
0 s3 Tom
1 s4 Peter 
1
2
# 使用2：横向
pd.concat([df1,df3],axis=1)
sid name address sex
0 s1 xiaoming 北京 Male
1 s2 Mike 深圳 Female

dropna函数

删除空值

1
2
3
4
df4 = pd.DataFrame({
    "sid":["s1","s2", np.nan],
    "name":["xiaoming",np.nan, "Mike"]})
df4
sid name
0 s1 xiaoming
1 s2 NaN
2 NaN Mike 
1
df4.dropna()
sid name
0 s1 xiaoming 
1
df4.dropna(subset=["name"])
sid name
0 s1 xiaoming
2 NaN Mike

explode函数

爆炸函数的使用：将宽表转成长表

1
2
3
4
5
df5 = pd.DataFrame({
    "sid":["s1","s2"],
    "phones":[["华为","小米","一加"],["三星","苹果"]]
                   })
df5
sid phones
0 s1 [华为, 小米, 一加]
1 s2 [三星, 苹果] 
1
df5.explode("phones")
sid phones
0 s1 华为
0 s1 小米
0 s1 一加
1 s2 三星
1 s2 苹果 
1
df5
sid phones
0 s1 [华为, 小米, 一加]
1 s2 [三星, 苹果]

fillna函数

填充缺失值

1
df4
sid name
0 s1 xiaoming
1 s2 NaN
2 NaN Mike 
1
df4.fillna({"sid":"s3","name":"Peter"})
sid name
0 s1 xiaoming
1 s2 Peter
2 s3 Mike

groupby函数

同组统计的功能

1
2
3
# 借用这个结果
df6 = df5.explode("phones")
df6
sid phones
0 s1 华为
0 s1 小米
0 s1 一加
1 s2 三星
1 s2 苹果 
1
df6.groupby("sid")["phones"].count()
sid
s1    3
s2    2
Name: phones, dtype: int64

head函数

查看前几行的数据，默认是前5行

1
2
3
4
df7 = pd.DataFrame({
    "sid":list(range(10)),
    "name":list(range(80,100,2))})
df7
sid name
0 0 80
1 1 82
2 2 84
3 3 86
4 4 88
5 5 90
6 6 92
7 7 94
8 8 96
9 9 98 
1
df7.head()   # 默认前5行
sid name
0 0 80
1 1 82
2 2 84
3 3 86
4 4 88 
1
df7.head(3)  # 指定前3行
sid name
0 0 80
1 1 82
2 2 84

isnull函数

判断是否存在缺失值，超级常用的函数

1
df4
sid name
0 s1 xiaoming
1 s2 NaN
2 NaN Mike 
1
df4.isnull()  # True表示缺失
sid name
0 False False
1 False True
2 True False 
1
df4.isnull().sum()  # 每个字段缺失的总和
sid     1
name    1
dtype: int64

1
df6.isnull().sum()   # 没有缺失值
sid       0
phones    0
dtype: int64

join函数

用于连接不同的DataFrame：

1
2
3
4
df7 = pd.DataFrame({
    'key': ['K0', 'K1', 'K2', 'K3', 'K4', 'K5'],
    'A': ['A0', 'A1', 'A2', 'A3', 'A4', 'A5']})
df7
key A
0 K0 A0
1 K1 A1
2 K2 A2
3 K3 A3
4 K4 A4
5 K5 A5 
1
2
3
4
df8 = pd.DataFrame({
    'key': ['K0', 'K1', 'K2'],
    'B': ['B0', 'B1', 'B2']})
df8
key B
0 K0 B0
1 K1 B1
2 K2 B2 
1
df7.join(df8,lsuffix="_df7",rsuffix="_df8")
key_df7 A key_df8 B
0 K0 A0 K0 B0
1 K1 A1 K1 B1
2 K2 A2 K2 B2
3 K3 A3 NaN NaN
4 K4 A4 NaN NaN
5 K5 A5 NaN NaN

kurt函数

查找数据的峰度值

1
2
3
4
5
6
df9 = pd.DataFrame({
    "A":[12, 4, 5, 44, 1],
    "B":[5, 2, 54, 3, 2],
    "C":[20, 16, 7, 3, 8],
    "D":[14, 3, 17, 2, 6]})
df9
A B C D
0 12 5 20 14
1 4 2 16 3
2 5 54 7 17
3 44 3 3 2
4 1 2 8 6 
1
df9.kurt()
A    3.936824
B    4.941512
C   -1.745717
D   -2.508808
dtype: float64

loc函数

loc就是location的缩写，定位查找数据

1
df9
A B C D
0 12 5 20 14
1 4 2 16 3
2 5 54 7 17
3 44 3 3 2
4 1 2 8 6 
1
df9.loc[1,:]  # 第一行全部列的数据
A     4
B     2
C    16
D     3
Name: 1, dtype: int64

1
df9.loc[1:3,"B"]  # 1到3行的B列
1     2
2    54
3     3
Name: B, dtype: int64

merge函数

同样也是数据的合并函数，类似SQL中的join，功能最为强大

1
df7
key A
0 K0 A0
1 K1 A1
2 K2 A2
3 K3 A3
4 K4 A4
5 K5 A5 
1
df8
key B
0 K0 B0
1 K1 B1
2 K2 B2 
1
pd.merge(df7,df8)  # 默认how的参数是inner
key A B
0 K0 A0 B0
1 K1 A1 B1
2 K2 A2 B2 
1
pd.merge(df7,df8,how="outer")
key A B
0 K0 A0 B0
1 K1 A1 B1
2 K2 A2 B2
3 K3 A3 NaN
4 K4 A4 NaN
5 K5 A5 NaN

nunique函数

用于统计数据的唯一值

1
2
3
4
5
df10 = pd.DataFrame({
    "sid":list("acbdefg"),
    "score":[9,8,9,7,8,9,3]
                    })
df10
sid score
0 a 9
1 c 8
2 b 9
3 d 7
4 e 8
5 f 9
6 g 3 
1
df10.nunique()
sid      7
score    4
dtype: int64

pct_change函数

计算当前时期和前一个时期的比值

1
2
s = pd.Series([90, 91, 85])
s
0    90
1    91
2    85
dtype: int64

1
s.pct_change()
0         NaN
1    0.011111
2   -0.065934
dtype: float64

1
(91 - 90) / 90
0.011111111111111112

1
(85 - 91) / 91
-0.06593406593406594

1
2
# 和前两个时期相比
s.pct_change(periods=2)
0         NaN
1         NaN
2   -0.055556
dtype: float64

1
2
3
# 如果存在空值，用填充方法
s = pd.Series([90, 91, None, 85])
s
0    90.0
1    91.0
2     NaN
3    85.0
dtype: float64

1
s.pct_change(fill_method='ffill')
0         NaN
1    0.011111
2    0.000000
3   -0.065934
dtype: float64

query函数

根据条件查询取值

1
df10
sid score
0 a 9
1 c 8
2 b 9
3 d 7
4 e 8
5 f 9
6 g 3 
1
df10.query("score >= 8")
sid score
0 a 9
1 c 8
2 b 9
4 e 8
5 f 9

rank函数

进行排名的函数，类似SQL的窗口函数功能：

1
df10
sid score
0 a 9
1 c 8
2 b 9
3 d 7
4 e 8
5 f 9
6 g 3 
1
2
df10["rank_10"] = df10["score"].rank()
df10
sid score rank_10
0 a 9 6.0
1 c 8 3.5
2 b 9 6.0
3 d 7 2.0
4 e 8 3.5
5 f 9 6.0
6 g 3 1.0 
1
2
df10["rank_10_max"] = df10["score"].rank(method="max")
df10
sid score rank_10 rank_10_max
0 a 9 6.0 7.0
1 c 8 3.5 4.0
2 b 9 6.0 7.0
3 d 7 2.0 2.0
4 e 8 3.5 4.0
5 f 9 6.0 7.0
6 g 3 1.0 1.0 
1
2
df10["rank_10_min"] = df10["score"].rank(method="min")
df10
sid score rank_10 rank_10_max rank_10_min
0 a 9 6.0 7.0 5.0
1 c 8 3.5 4.0 3.0
2 b 9 6.0 7.0 5.0
3 d 7 2.0 2.0 2.0
4 e 8 3.5 4.0 3.0
5 f 9 6.0 7.0 5.0
6 g 3 1.0 1.0 1.0

sort_values函数

根据数据进行排序的函数

1
df9
A B C D
0 12 5 20 14
1 4 2 16 3
2 5 54 7 17
3 44 3 3 2
4 1 2 8 6 
1
df9.sort_values("A")  # 默认是升序排列
A B C D
4 1 2 8 6
1 4 2 16 3
2 5 54 7 17
0 12 5 20 14
3 44 3 3 2 
1
2
3
# 先根据B升序，如果B相同，再根据D降序

df9.sort_values(["B","D"], ascending=[True,False])
A B C D
4 1 2 8 6
1 4 2 16 3
3 44 3 3 2
0 12 5 20 14
2 5 54 7 17

tail函数

查看末尾的数据

1
df7.tail()
key A
1 K1 A1
2 K2 A2
3 K3 A3
4 K4 A4
5 K5 A5 
1
df7.tail(3)
key A
3 K3 A3
4 K4 A4
5 K5 A5

unique函数

查找每个字段的唯一元素

1
df10
sid score rank_10 rank_10_max rank_10_min
0 a 9 6.0 7.0 5.0
1 c 8 3.5 4.0 3.0
2 b 9 6.0 7.0 5.0
3 d 7 2.0 2.0 2.0
4 e 8 3.5 4.0 3.0
5 f 9 6.0 7.0 5.0
6 g 3 1.0 1.0 1.0 
1
df10["score"].unique()
array([9, 8, 7, 3])

1
df10["rank_10"].unique()
array([6. , 3.5, 2. , 1. ])

value_counts函数

用于统计字段中每个唯一值的个数

1
df6
sid phones
0 s1 华为
0 s1 小米
0 s1 一加
1 s2 三星
1 s2 苹果 
1
df6["sid"].value_counts()
s1    3
s2    2
Name: sid, dtype: int64

1
df6["phones"].value_counts()
华为    1
苹果    1
三星    1
一加    1
小米    1
Name: phones, dtype: int64

where函数

用于查找Series或者DataFrame中满足某个条件的数据

1
2
w = pd.Series(range(7))
w
0    0
1    1
2    2
3    3
4    4
5    5
6    6
dtype: int64

1
2
# 满足条件的显示；不满足的用空值代替
w.where(w>3)
0    NaN
1    NaN
2    NaN
3    NaN
4    4.0
5    5.0
6    6.0
dtype: float64

1
2
# 不满足条件的用8代替
w.where(w > 1, 8)
0    8
1    8
2    2
3    3
4    4
5    5
6    6
dtype: int64

xs函数

该函数是用于多层级索引中用于获取指定索引处的值，使用一个关键参数来选择多索引特定级别的数据。

1
2
3
4
5
6
7
8
9
10
d = {'num_legs': [4, 4, 2, 2],
     'num_wings': [0, 0, 2, 2],
     'class': ['mammal', 'mammal', 'mammal', 'bird'],
     'animal': ['cat', 'dog', 'bat', 'penguin'],
     'locomotion': ['walks', 'walks', 'flies', 'walks']}
# 生成数据
df11 = pd.DataFrame(data=d)
# 重置索引
df11 = df11.set_index(['class', 'animal', 'locomotion'])
df11
num_legs num_wings
class animal locomotion
mammal cat walks 4 0
dog walks 4 0
bat flies 2 2
bird penguin walks 2 2 
1
2
# 获取指定索引的值
df11.xs('mammal')
num_legs num_wings
animal locomotion
cat walks 4 0
dog walks 4 0
bat flies 2 2 
1
2
# 指定多个索引处的值
df11.xs(('mammal', 'dog'))
/Applications/downloads/anaconda/anaconda3/lib/python3.7/site-packages/IPython/core/interactiveshell.py:2881: PerformanceWarning: indexing past lexsort depth may impact performance.
  return runner(coro)
num_legs num_wings
locomotion
walks 4 0 
1
2
3
# 获取指定索引和级别(level)的值

df11.xs('cat', level=1)
num_legs num_wings
class locomotion
mammal walks 4 0 
1
df11
num_legs num_wings
class animal locomotion
mammal cat walks 4 0
dog walks 4 0
bat flies 2 2
bird penguin walks 2 2 
1
2
# 获取多个索引和级别的值
df11.xs(('bird', 'walks'),level=[0, 'locomotion'])
num_legs num_wings
animal
penguin 2 2 
1
2
# 获取指定列和轴上的值
df11.xs('num_wings', axis=1)
class   animal   locomotion
mammal  cat      walks         0
        dog      walks         0
        bat      flies         2
bird    penguin  walks         2
Name: num_wings, dtype: int64

本文标题:精选23个Pandas常用函数

发布时间:2021年12月26日 - 16:12

原始链接:http://www.renpeter.cn/2021/12/26/%E7%B2%BE%E9%80%8923%E4%B8%AAPandas%E5%B8%B8%E7%94%A8%E5%87%BD%E6%95%B0.html

许可协议: 署名-非商业性使用-禁止演绎 4.0 国际 转载请保留原文链接及作者。

Coffee or Tea