從Excel到Python中最常用到的Pandas函數都有哪些

本篇文章為大家展示了從Excel到Python中最常用到的Pandas函數都有哪些，內容簡明扼要并且容易理解，絕對能使你眼前一亮，通過這篇文章的詳細介紹希望你能有所收獲。

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后期的統計和分析工作。主要包括數據表的合并，排序，數值分列，數據分組及標記等工作。

1.數據表合并

在Excel中沒有直接完成數據表合并的功能，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并，合并的方式為inner，將
兩個數據表數據匹配到一起生成新的數據表。并命名為
df_inner。

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

合并的方式還有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，匯總，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shi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
')

還可以對多個字段的值進行判斷后對數據進行分組，下面的代碼中對city列等于beijing并且price列大于等于4000的數據標記為1。

#對復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，后面的字母為size值。中間以連字符進行連接。我們使用split函數對這個字段進行拆分，并將拆分后的數據表匹配回原數據表中。

#對category字段的值依次進行分列，并創建數據表，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'])

#將完成分列后的數據表與原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范圍，冒號前面為開始的標簽值后面為結束的標簽值。

#按索引提取區域行數值
df_inner.loc[0:5]

Reset_index函數用于恢復索引，這里我們重新將date字段的日期
設置為數據表的索引，并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，這里冒號前后
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]]

前面方括號中的0,2,5表示數據所在行的位置，后面方括號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。這里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，然后將復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，用于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，條件是年齡大于25歲，并且城市為
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'])

在前面的代碼后面增加city列，并使用count函數進行計數。相當于Excel中的countifs函數的功能

#對篩選后的數據按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"]')

在前面的代碼后增加price字段和sum函數。對篩選后的price字段
進行求和，相當于Excel中的sumifs函數的功能。

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

數據匯總

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

1.分類匯總

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

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

#對兩個字段進行匯總計數
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

還可以對匯總后的數據同時按多個維度進行計算

#對city字段進行匯總并計算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為行字段，size為列字段，price為值字段。
分別計算price的數量和金額并且按行與列進行匯總。
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.數據采樣

Excel的數據分析功能中提供了數據抽樣的功能

Python通過sample函數完成數據采樣

#簡單的數據采樣
df_inner.sample(n=3)

Weights參數是采樣的權重，通過設置不同的權重可以更改采樣的結果

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

Sample函數中參數replace，用來設置采樣后是否放回

#采樣后不放回
df_inner.sample(n=6, replace=False)
#采樣后放回
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，并返回相關系數。

#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')

上述內容就是從Excel到Python中最常用到的Pandas函數都有哪些，你們學到知識或技能了嗎？如果還想學到更多技能或者豐富自己的知識儲備，歡迎關注億速云行業資訊頻道。