醒醒，别睡了...讲《数据分析pandas库》了—/—＜2＞

废话不多说，直接开讲!

一、

1、pandas变量类型的转换

df.dtypes:用于查看各列的数据类型

不同数据类型之间的转换，其使用方法如下：

#将df里所有的列转换成str
df.astype('str')
df.astype('str').dtypes
#修改某一列数据的数据类型
df.column.astype ('str')
#转换错误
df.astype('int', errors = 'ignore').dtypes #明确指定转换类型的函数：

2、Pandas中的Index

        Pandas中的Index，其实是不可变的一维数组

ind=pd.Index([3,4,5,6,7])
#根据下标获取值
ind[3]
#切片获取值
# ind[::2]
#有ndim shap dtype size属性
#但不能进行修改,如果修改就会报错
# ind[3]=20

3、导入Excel文件

import pandas as pd
pd.read_excel('stu_data.xlsx')

pd.read_excel('stu_data.xlsx',sheet_name='Target')
pd.read_excel('stu_data.xlsx',sheet_name=0)

3.2 导入.xlsx文件时，通过index_col指定行索引

pd.read_excel('stu_data.xlsx',sheet_name=0,index_col=0)

pd.read_excel('stu_data.xlsx',sheet_name=0,header=1)
pd.read_excel('stu_data.xlsx',sheet_name=0,header=None)

pd.read_excel('stu_data.xlsx',usecols=[1,2,3])

4、导入csv文件

4.1 导入.csv文件，文件编码格式是gbk

pd.read_csv('stu_data.csv',encoding='gbk')

4.2、导入.csv文件，指明分隔符

df =pd.read_csv("stu_data.csv",encoding='gbk',sep=' ')
pd.read_csv('stu_data.csv',encoding='gbk',sep=',')

5、导入txt文件

        导入.txt文件用得方法时read_table()，read_table()是将利用分隔符分开的文件导入。DataFrame的通用函数。它不仅仅可以导入.txt文件，还可以导入.csv文件。

5.1导入.txt文件

pd.read_table('test_data.txt',encoding='utf8',sep='\t')

5.2导入.csv文件，指明分隔符

pd.read_table('stu_data.csv',encoding='gbk',sep=',')

6、列操作

6.1 修改变量列

columns：

df.columns =新的名称 list
df.columns

df.rename(columns =新旧名称字典：｛旧名称，：新名称，｝inplace = False :是否直接替换原数据框)

df.rename(columns =｛'newname':'name','newname2':'name2'｝,inplace = True ）

6.2 筛选变量列

df[[var]] #单列的筛选结果为 DataFream
df[['var1', 'var2']]#多列时，列名需要用列表形式提供（因此可使用列表中的切片操作）多列的筛选结果为DF

6.3 删除变量列

df.drop（index / columns =准备删除的行/列标签，多个时用列表形式提供,inplace = False :是否直接更改原数据框 ）

用del删除，del删除的是全部删除，内存中都会删除

df.drop(columns =['col1','col2']）
del df['column-name'] 直接删除原数据框相应的一列，建议尽量少用
del df.column_name #不允许

6.4添加变量列

6.4.1 根据新数据添加

df[cloumn]=pd.Series([val,val2,val3],index=[c1,c2,c3])

6.4.2 根据原数据添加

df[cloumn] = df[c2]+df[c3]