Pandas 是一個 Python 軟件庫，它提供了大量能使我們快速便捷地處理數據的函數和方法。一般而言，Pandas 是使 Python 成為強大而高效的數據分析環境的重要因素之一。在本文中，作者從基本數據集讀寫、數據處理和 DataFrame 操作三個角度展示了 23 個 Pandas 核心方法。
Pandas 是基于 NumPy 構建的庫，在數據處理方面可以把它理解為 NumPy 加強版，同時 Pandas 也是一項開源項目。它基于 Cython，因此讀取與處理數據非?？?，并且還能輕松處理浮點數據中的缺失數據（表示為 NaN）以及非浮點數據。在本文中，基本數據集操作主要介紹了 CSV 與 Excel 的讀寫方法，基本數據處理主要介紹了缺失值及特征抽取，最后的 DataFrame 操作則主要介紹了函數和排序等方法。
基本數據集操作

（1）讀取 CSV 格式的數據集
pd.DataFrame.from_csv(“csv_file”)
或者：

pd.read_csv(“csv_file”)

（2）讀取 Excel 數據集

pd.read_excel("excel_file")

（3）將 DataFrame 直接寫入 CSV 文件

如下采用逗號作為分隔符，且不帶索引：

df.to_csv("data.csv", sep=",", index=False)

（4）基本的數據集特征信息

df.info()

（5）基本的數據集統計信息

print(df.describe())

(6) Print data frame in a table

將 DataFrame 輸出到一張表：

print(tabulate(print_table, headers=headers))


當「print_table」是一個列表，其中列表元素還是新的列表，「headers」為表頭字符串組成的列表。


（7）列出所有列的名字


df.columns


基本數據處理


（8）刪除缺失數據


df.dropna(axis=0, how='any')


返回一個 DataFrame，其中刪除了包含任何 NaN 值的給定軸，選擇 how=「all」會刪除所有元素都是 NaN 的給定軸。
（9）替換缺失數據
df.replace(to_replace=None, value=None)
使用 value 值代替 DataFrame 中的 to_replace 值，其中 value 和 to_replace 都需要我們賦予不同的值。
（10）檢查空值 NaN
pd.isnull(object)


檢查缺失值，即數值數組中的 NaN 和目標數組中的 None/NaN。
（11）刪除特征
df.drop('feature_variable_name', axis=1)


axis 選擇 0 表示行，選擇表示列。
（12）將目標類型轉換為浮點型
pd.to_numeric(df["feature_name"], errors='coerce')


將目標類型轉化為數值從而進一步執行計算，在這個案例中為字符串。
（13）將 DataFrame 轉換為 NumPy 數組
df.as_matrix()
（14）取 DataFrame 的前面「n」行
df.head(n)
（15）通過特征名取數據
df.loc[feature_name]


DataFrame 操作

（16）對 DataFrame 使用函數
該函數將令 DataFrame 中「height」行的所有值乘上 2：
df["height"].apply(*lambda* height: 2 * height)
或：
def multiply(x):

 return x * 2

df["height"].apply(multiply)
（17）重命名行
下面代碼會重命名 DataFrame 的第三行為「size」：
df.rename(columns = {df.columns[2]:'size'}, inplace=True)
（18）取某一行的唯一實體
下面代碼將取「name」行的唯一實體：
df["name"].unique()
（19）訪問子 DataFrame
以下代碼將從 DataFrame 中抽取選定了的行「name」和「size」：
new_df = df[["name", "size"]]
（20）總結數據信息
# Sum of values in a data frame
df.sum()
# Lowest value of a data frame
df.min()
# Highest value
df.max()
# Index of the lowest value
df.idxmin()
# Index of the highest value
df.idxmax()
# Statistical summary of the data frame, with quartiles, median, etc.
df.describe()
# Average values
df.mean()
# Median values
df.median()
# Correlation between columns
df.corr()
# To get these values for only one column, just select it like this#
df["size"].median()
（21）給數據排序
df.sort_values(ascending = False)
（22）布爾型索引
以下代碼將過濾名為「size」的行，并僅顯示值等于 5 的行：
df[df["size"] == 5]
（23）選定特定的值
以下代碼將選定「size」列、第一行的值：
df.loc([0], ['size'])