本次的Python学习教程涉及pandas最常用的36个函数，通过这些函数介绍如何完成数据生成和导入、数据清洗、预处理，以及最常见的数据分类，数据筛选，分类汇总，透视等最常见的操作。

生成数据表

常见的生成数据表的方法有两种，第一种是导入外部数据，第二种是直接写入数据。Excel中的“文件”菜单中提供了获取外部数据的功能，支持数据库和文本文件和页面的多种数据源导入。

Python支持从多种类型的数据导入。在开始使用Python进行数据
导入前需要先导入pandas库，为了方便起见，我们也同时导入numpy
库.

import numpy as npimport pandas as pd

导入外部数据

df=pd.DataFrame(pd.read_csv('name.csv',header=1))df=pd.DataFrame(pd.read_Excel('name.xlsx'))c

里面有很多可选参数设置，例如列名称、索引列、数据格式等

直接写入数据

df = pd.DataFrame({"id":[1001,1002,1003,1004,1005,1006],"date":pd.date_range('20130102', periods=6),"city":['Beijing ', 'SH', ' guangzhou ', 'Shenzhen', 'shanghai', 'BEIJING '],"age":[23,44,54,32,34,32],"category":['100-A','100-B','110-A','110-C','210-A','130-F'],"price":[1200,np.nan,2133,5433,np.nan,4432]},columns =['id','date','city','category','age','price'])

数据表检查

数据表检查的目的是了解数据表的整体情况，获得数据表的关键信息、数据的概况，例如整个数据表的大小、所占空间、数据格式、是否有
空值和重复项和具体的数据内容，为后面的清洗和预处理做好准备。

1.数据维度(行列)

Excel中可以通过CTRL+向下的光标键，和CTRL+向右的光标键
来查看行号和列号。Python中使用shape函数来查看数据表的维度，也就是行数和列数。

df.shape

2.数据表信息

使用info函数查看数据表的整体信息，包括数据维度、列名称、数据格式和所占空间等信息。
#数据表信息

df.info()RangeIndex: 6 entries, 0 to 5Data columns (total 6 columns):id 6 non-null int64date 6 non-null datetime64[ns]city 6 non-null objectcategory 6 non-null objectage 6 non-null int64price 4 non-null float64dtypes: datetime64[ns](1), float64(1), int64(2), object(2)memory usage: 368.0+ bytes

3.查看数据格式

Excel中通过选中单元格并查看开始菜单中的数值类型来判断数
据的格式。Python中使用dtypes函数来返回数据格式。

Dtypes是一个查看数据格式的函数，可以一次性查看数据表中所
有数据的格式，也可以指定一列来单独查看

#查看数据表各列格式df.dtypesid int64date datetime64[ns]city objectcategory objectage int64price float64dtype: object#查看单列格式df['B'].dtypedtype('int64')

4.查看空值

Excel中查看空值的方法是使用“定位条件”在“开始”目录下的“查找和选择”目录.

Isnull是Python中检验空值的函数

#检查数据空值df.isnull()

#检查特定列空值df['price'].isnull()

5.查看唯一值

Excel中查看唯一值的方法是使用“条件格式”对唯一值进行颜色
标记。

Python中使用unique函数查看唯一值。

#查看city列中的唯一值df['city'].unique()array(['Beijing ', 'SH', ' guangzhou ', 'Shenzhen', 'shanghai', 'BEIJING '], dtype=object)

6.查看数据表数值

Python中的Values函数用来查看数据表中的数值

#查看数据表的值df.values

7.查看列名称

Colums函数用来单独查看数据表中的列名称。

#查看列名称df.columnsIndex(['id', 'date', 'city', 'category', 'age', 'price'], dtype='object')

8.查看前10行数据

Head函数用来查看数据表中的前N行数据

#查看前3行数据df.head(3)

9.查看后10行数据

Tail行数与head函数相反，用来查看数据表中后N行的数据

#查看最后3行df.tail(3)

数据表清洗

本次的Python学习教程介绍对数据表中的问题进行清洗，包括对空值、大小写问题、数据格式和重复值的处理。

1.处理空值(删除或填充)

Excel中可以通过“查找和替换”功能对空值进行处理

Python中处理空值的方法比较灵活，可以使用 Dropna函数用来删除数据表中包含空值的数据，也可以使用fillna函数对空值进行填充。

#删除数据表中含有空值的行df.dropna(how='any')

也可以使用数字对空值进行填充

#使用数字0填充数据表中空值df.fillna(value=0)

使用price列的均值来填充NA字段，同样使用fillna函数，在要填充的数值中使用mean函数先计算price列当前的均值，然后使用这个均值对NA进行填充。

#使用price均值对NA进行填充df['price'].fillna(df['price'].mean())Out[8]: 0 1200.01 3299.52 2133.03 5433.04 3299.55 4432.0Name: price, dtype: float64

2.清理空格

字符中的空格也是数据清洗中一个常见的问题

#清除city字段中的字符空格df['city']=df['city'].map(str.strip)

3.大小写转换

在英文字段中，字母的大小写不统一也是一个常见的问题。
Excel中有UPPER，LOWER等函数，Python中也有同名函数用来解决
大小写的问题。

#city列大小写转换df['city']=df['city'].str.lower()

4.更改数据格式

Excel中通过“设置单元格格式”功能可以修改数据格式。

Python中通过astype函数用来修改数据格式。

#更改数据格式df['price'].astype('int')0 12001 32992 21333 54334 32995 4432Name: price, dtype: int32

5.更改列名称

Rename是更改列名称的函数，我们将来数据表中的category列更改为category-size。

#更改列名称df.rename(columns={'category': 'category-size'})

6.删除重复值

Excel的数据目录下有“删除重复项”的功能

Python中使用drop_duplicates函数删除重复值

df['city']0 beijing1 sh2 guangzhou3 shenzhen4 shanghai5 beijingName: city, dtype: object

city列中beijing存在重复，分别在第一位和最后一位
drop_duplicates()函数删除重复值

#删除后出现的重复值df['city'].drop_duplicates()0 beijing1 sh2 guangzhou3 shenzhen4 shanghaiName: city, dtype: object

设置keep='last‘’参数后，与之前删除重复值的结果相反，第一位
出现的beijing被删除

#删除先出现的重复值df['city'].drop_duplicates(keep='last')1 sh2 guangzhou3 shenzhen4 shanghai5 beijingName: city, dtype: objec

7.数值修改及替换

Excel中使用“查找和替换”功能就可以实现数值的替换

Python中使用replace函数实现数据替换

附#数据替换df['city'].replace('sh', 'shanghai')0 beijing1 shanghai2 guangzhou3 shenzhen4 shanghai5 beijingName: city, d

篇幅有限，剩下的函数总结会在下一章Python学习教程中继续为大家更新！不会等太久！