パンダのカンニングペーパー:トップ35のコマンドと操作

パンダはPythonでのデータ解析の最も人気のあるツールの一つです.このオープンソースライブラリは、多くのデータプロジェクトのバックボーンであり、データのクリーニングとデータ操作に使用されます.パンダを使用すると、複雑なデータセットをより大きく制御できます.これは、データ解析ツールベルトで不可欠なツールです.パンダを使用していない場合は、データを最大限に活用していません.
私の他の記事ではPandas for Python Tutorial , 私は、あなたを始めるために、パンダのすべての基礎を経験しました.このポストでは、どんなパンダのユーザーが知っている必要がある35の最も重要な操作とコマンドをコンパイルしました.この記事はパンダの学習者の迅速な検索回答を探しています.これ以上の複雑なドキュメント!答えを正しましょう.

データ分析用マスターPython

Learn the tools of the trade: Pandas, NumPy, Matplotlib, and Seaborn

Predictive Data Analysis with Python

Pandas import convention

Create and name a Series

Create a DataFrame

Specify values in DataFrame columns

Read and Write to CSV file

Read and write to Excel file

Read and write to SQL Query

Get the first element of a Series

Get the first 5 elements of a Series

Get the last 5 elements in a Series

Select a single value position

Select a single value by label

Access a DataFrame with a boolean index

Drop values from rows

Drop values from columns

Create a new column in a DataFrame

Rename columns in a DataFrame

Sort Series by labels along an axis

Sort values along an axis (ascending order)

Adding ranks to particular entries

Retrieve rows and columns description

Describe columns of DataFrame

Retrieve index description

Get information on DataFrame

Retried number of non- NA values

Get sum of values

Subtract/Add 2 from all values

Multiply/Divide all values by 2

Find min/max values of a DataFrame

Get min/max index values

Get median or mean of values

Describe a summary of data statistics

Apply a function to a dataset

Merge two DataFrames

Combine DataFrames across columns or rows: concatenation

Wrap up and resources

パンダ輸入条約

import pandas as pd

パンダは現在、頭字語でアクセス可能ですpd . また、組み込みのPython PIPを使用してPandasをインストールすることもできます.

$ pip install pandas

シリーズ名の作成と名前

任意のデータ型を保持する1次元配列を作成します.呼び出すpd.Series() そして、値のリストを渡します.パンダはデフォルト値を0からカウントします.

series1 = pd.Series([1,2,3,4]), index=['a', 'b', 'c', 'd'])

シリーズ名を設定する

srs.name = "Insert name"

インデックス名を設定します.

srs.index.name = "Index name"

データを作成する

カラムで2次元データ構造を作成します.を作成し、印刷するdf .

df = pd.DataFrame(
         {"a" : [1 ,2, 3],
          "b" : [7, 8, 9],
          "c" : [10, 11, 12]},        index = [1, 2, 3])

データファイル列の値を指定する

データを列で整理する方法を指定します.

df = pd.DataFrame( 
     [[1, 2, 3], 
     [4, 6, 8],
     [10, 11, 12]],
     index=[1, 2, 3], 
     columns=['a', 'b', 'c'])

CSVファイルに読み書きする

CSVファイルを開き、データをコピーし、メモ帳に貼り付け、Pythonスクリプトを格納する同じディレクトリに保存します.用途read_csv 関数をパンダにビルドし、インデックスを作成します.

import pandas as pd
data = pd.read_csv('file.csv')

data = pd.read_csv("data.csv", index_col=0)

Excelファイルへの読み書き

呼び出しread_excel Excelファイルにアクセスする関数.Excelファイルの名前を引数として渡します.

pd.read_excel('file.xlsx')

df.to_excel('dir/myDataFrame.xlsx',  sheet_name='Sheet2')

SQLクエリを読み書きする

from sqlalchemy import create_engine
engine = create_engine('sqlite:///:memory:')
pd.read_sql("SELECT * FROM my_table;", engine)
pd.read_sql_table('my_table', engine)
pd.read_sql_query("SELECT * FROM my_table;", engine)

(read_sql() 便利なラッパですread_sql_table() and read_sql_query())

df.to_sql('myDf', engine)

シリーズの最初の要素を取得する

パンダは0でインデックスされているのでser[0] .

import pandas as pd  

df = pd.read_csv  

df['Name'].head(10) 

# get the first element 
ser[0]

シリーズの最初の5つの要素を取得する

用途ser[:n] シリーズの最初の$ n $要素を得るために.

import pandas as pd  

df = pd.read_csv  

df['Name'].head(10) 

ser[:5]

シリーズの最後の5つの要素を取得する

用途ser[-n:] シリーズの最後の$ n $要素を得るために.

import pandas as pd  

df = pd.read_csv 

df['Name'].head(10) 

ser[-5:] 

単一の値位置を選択する

df.iloc[[0],[0]] 'Name'
df.iat([0],[0]) 'Name'

ラベルで単一の値を選択する

df.loc[[0], ['Label']] 'Name'
df.at([0], ['Label']) 'Name'

データインデックスをブール値でアクセスする

ブールインデックスでは、ブールベクトルを持つデータをフィルタリングします.

import pandas as pd 

# dictionary of lists 
dict = {'name':["name1", "name2", "name3", "name4"], 
        'degree': ["degree1", "degree2", "degree3", "degree4"], 
        'score':[1, 2, 3, 4]} 

df = pd.DataFrame(dict, index = [True, False, True, False]) 

print(df) 

行から値を削除する

s.drop(['a', 'c'])

カラムから値を削除する

df.drop('Value', axis=1)

DataFrameに新しい列を作成する

df['New Column'] = 0

学習を続ける。

Learn Pandas and Data Analysis without scrubbing through videos or documentation. Educative's text-based courses are easy to skim and feature live coding environments, making learning quick and efficient.

Predictive Data Analysis with Python

データファイル内の列の名前を変更する

df.columns = ['Column 1', 'Column 2', 'Column 3']

軸に沿ったラベルによるソートシリーズ

インデックスラベルで並べ替えシリーズを返し、inplace引数がFalse , さもなければ、それは元のシリーズとリターンを更新しますNone .

Series.sort_index(self, axis=0, level=None, ascending=True, inplace=False, kind='quicksort', na_position='last', sort_remaining=True)

軸に沿って値を並べる

df.sort_values(by='Values')

# descending order
df.sort_values(ascending = False)

特定のエントリにランクを追加する

列をランク付けし、ランクを追加する方法を指定します.

df.rank()

行と列の説明を取得する

df.shape

データフレームの列を記述する

df.columns

インデックスの取得

df.index

データを取得する

df.info()

非NA値の数を取得する

df.count()

値の合計を得る

df.sum()

# cumulative sum

df.cumsum()

すべての値から

s.sub(2)

s.add(2)

乗算/分割すべての値

s.mul(2)

s.div(2)

データフレームの最小値/最大値を見つける

df.min()

df.max()

min / maxインデックス値を取得する

df.idxmin()

df.idxmax()

中央値または平均値を取得する

df.mean()

df.median()

データ統計の概要を記述する

df.describe()

データセットに関数を適用する

f = # write function here
df.apply(f)

# apply a function by an element 

f = # write function here
df.applymap(f)

二つのデータを統合する

pd.merge(df1, df2, on='subject_id')

データ列を列または行に結合します

print(pd.concat([df1, df2]))

ラッピングと資源

Pythonで一般的な操作とコマンドで武装しているので、実際に実行できます.結局のところ、実際のデータセットでの作業は、Pythonをマスターし、データアナリストになるための最良の方法です!私たちが今日カバーしていなかったことを学ぶためにまだ多くのことがあります.

統計

麻痺

マトプロップリブ

データランニング

データの視覚化

データ掻き取り

シーフード

サイエンスセンター

その他

貿易のこれらの重要なツールを開始するには、教育のコースをチェックアウトPredictive Data Analysis for Python . あなたは業界標準の例と実践に手を取得し、流暢にデータ分析になる.

読み続ける

Data Analysis Made Simple: Python Pandas Tutorial

Master Algorithms with Python for Coding Interviews

Stop Using Excel for Data Analytics: Upgrade to Python