Python 常用速查手册（Cheat Sheet） -WIP

• https://github.com/FavioVazquez/ds-cheatsheets
• https://github.com/wilfredinni/python-cheatsheet/tree/master
• https://www.pythoncheatsheet.org/
• https://github.com/kevin7lou/DS-ML-Cheatsheet
• https://github.com/dennyzhang/cheatsheet-python-A4
• https://github.com/AbdulMalikDev/PythonCheatSheet
• https://github.com/aaronwangy/Data-Science-Cheatsheet
• https://github.com/yash42828/Data-Science--All-Cheat-Sheet
• https://github.com/FranzDiebold/data-science-cheat-sheets
• https://github.com/ml874/Data-Science-Cheatsheet
• https://github.com/cheat-sheets/data-science-cheat-sheet
• https://github.com/sidakwalia/Data-Science-Cheat-Sheet
• https://github.com/dformoso/machine-learning-mindmap

Pandas Cheat Sheet / 速查手册¶

本文翻译自文章：Pandas Cheat Sheet - Python for Data Science，同时添加了部分注解。

对于数据科学家，无论是数据分析还是数据挖掘来说，Pandas是一个非常重要的Python包。它不仅提供了很多方法，使得数据处理非常简单，同时在数据处理速度上也做了很多优化，使得和Python内置方法相比时有了很大的优势。

如果你想学习Pandas，建议先看两个网站。

1. 官网：Python Data Analysis Library
2. 十分钟入门Pandas：10 Minutes to pandas

在第一次学习Pandas的过程中，你会发现你需要记忆很多的函数和方法。所以在这里我们汇总一下Pandas官方文档中比较常用的函数和方法，以方便大家记忆。同时，我们提供一个PDF版本，方便大家打印。pandas-cheat-sheet.pdf

关键缩写和包导入¶

在这个速查手册中，我们使用如下缩写：

df：任意的Pandas DataFrame对象 s：任意的Pandas Series对象

同时我们需要做如下的引入：

import pandas as pd
import numpy as np

导入数据¶

• pd.read_csv(filename) | 从CSV文件导入数据

• pd.read_table(filename) | 从限定分隔符的文本文件导入数据

• pd.read_excel(filename) | 从Excel文件导入数据

• pd.read_sql(query, connection_object) | 从SQL表/库导入数据

• pd.read_json(json_string) | 从JSON格式的字符串导入数据

• pd.read_html(url) | 解析URL、字符串或者HTML文件，抽取其中的tables表格

• pd.read_clipboard() | 从你的粘贴板获取内容，并传给read_table()

• pd.DataFrame(dict) | 从字典对象导入数据，Key是列名，Value是数据

导出数据¶

• df.to_csv(filename) | 导出数据到CSV文件

• df.to_excel(filename) | 导出数据到Excel文件

• df.to_sql(table_name, connection_object) | 导出数据到SQL表

• df.to_json(filename) | 以Json格式导出数据到文本文件

创建测试对象¶

• pd.DataFrame(np.random.rand(20,5)) | 创建20行5列的随机数组成的DataFrame对象

• pd.Series(my_list) | 从可迭代对象my_list创建一个Series对象

• df.index = pd.date_range('1900/1/30', periods=df.shape[0]) | 增加一个日期索引

查看、检查数据¶

• df.head(n) | 查看DataFrame对象的前n行

• df.tail(n) | 查看DataFrame对象的最后n行

• df.shape() | 查看行数和列数

• df.info() | 查看索引、数据类型和内存信息

• df.describe() | 查看数值型列的汇总统计

• s.value_counts(dropna=False) | 查看Series对象的唯一值和计数

• df.apply(pd.Series.value_counts) | 查看DataFrame对象中每一列的唯一值和计数

数据选取¶

• df[col] | 根据列名，并以Series的形式返回列

• df[[col1, col2]] | 以DataFrame形式返回多列

• s.iloc[0] | 按位置选取数据

• s.loc['index_one'] | 按索引选取数据

• df.iloc[0,:] | 返回第一行

• df.iloc[0,0] | 返回第一列的第一个元素

数据清理¶

• df.columns = ['a','b','c'] | 重命名列名

• pd.isnull() | 检查DataFrame对象中的空值，并返回一个Boolean数组

• pd.notnull() | 检查DataFrame对象中的非空值，并返回一个Boolean数组

• df.dropna() | 删除所有包含空值的行

• df.dropna(axis=1) | 删除所有包含空值的列

• df.dropna(axis=1,thresh=n) | 删除所有小于n个非空值的行

• df.fillna(x) | 用x替换DataFrame对象中所有的空值

• s.astype(float) | 将Series中的数据类型更改为float类型

• s.replace(1,'one') | 用‘one’代替所有等于1的值

• s.replace([1,3],['one','three']) | 用’one’代替1，用’three’代替3

• df.rename(columns=lambda x: x + 1) | 批量更改列名

• df.rename(columns={'old_name': 'new_ name'}) | 选择性更改列名

• df.set_index('column_one') | 更改索引列

• df.rename(index=lambda x: x + 1) | 批量重命名索引

数据处理：Filter、Sort和GroupBy¶

• df[df[col] > 0.5] | 选择col列的值大于0.5的行

• df.sort_values(col1) | 按照列col1排序数据，默认升序排列

• df.sort_values(col2, ascending=False) | 按照列col1降序排列数据

• df.sort_values([col1,col2], ascending=[True,False]) | 先按列col1升序排列，后按col2降序排列数据

• df.groupby(col) | 返回一个按列col进行分组的Groupby对象

• df.groupby([col1,col2]) | 返回一个按多列进行分组的Groupby对象

• df.groupby(col1)[col2] | 返回按列col1进行分组后，列col2的均值

• df.pivot_table(index=col1, values=[col2,col3], aggfunc=max) | 创建一个按列col1进行分组，并计算col2和col3的最大值的数据透视表

• df.groupby(col1).agg(np.mean) | 返回按列col1分组的所有列的均值

• data.apply(np.mean) | 对DataFrame中的每一列应用函数np.mean

• data.apply(np.max,axis=1) | 对DataFrame中的每一行应用函数np.max

数据合并¶

• df1.append(df2) | 将df2中的行添加到df1的尾部

• df.concat([df1, df2],axis=1) | 将df2中的列添加到df1的尾部

• df1.join(df2,on=col1,how='inner') | 对df1的列和df2的列执行SQL形式的join

数据统计¶

• df.describe() | 查看数据值列的汇总统计

• df.mean() | 返回所有列的均值

• df.corr() | 返回列与列之间的相关系数

• df.count() | 返回每一列中的非空值的个数

• df.max() | 返回每一列的最大值

• df.min() | 返回每一列的最小值

• df.median() | 返回每一列的中位数

• df.std() | 返回每一列的标准差