panda python 取一列_python panda csv 第一列列 - CSDN
精华内容
参与话题
  • pythonpanda模块理解与学习

    万次阅读 多人点赞 2018-07-09 16:39:12
    Pandas是Python个大数据处理模块。Pandas使用个二维的数据结构DataFrame来表示表格式的数据,相比较于Numpy,Pandas可以存储混合的数据结构,同时使用NaN来表示缺失的数据,而不用像Numpy一样要手工处理缺失的...

    Pandas是Python的一个大数据处理模块。Pandas使用一个二维的数据结构DataFrame来表示表格式的数据,相比较于Numpy,Pandas可以存储混合的数据结构,同时使用NaN来表示缺失的数据,而不用像Numpy一样要手工处理缺失的数据,并且Pandas使用轴标签来表示行和列。

    DataFrame类:

    DataFrame有四个重要的属性:
    index:行索引。
    columns:列索引。
    values:值的二维数组。
    name:名字。

    构建方法,DataFrame(sequence),通过序列构建,序列中的每个元素是一个字典。
    frame=DateFrame构建完之后,假设frame中有’name’,’age’,’addr’三个属性,可以使用fame[‘name’]查看属性列内容,也可以fame.name这样直接查看。
    frame按照’属性提取出来的每个列是一个Series类。
    DataFrame类可以使用布尔型索引。
    groupby(str|array…)函数:可以使用frame中对应属性的str或者和frame行数相同的array作为参数还可以使用一个会返回和frame长度相同list的函数作为参数,如果使用函数做分组参数,这个用做分组的函数传入的参数将会是fame的index,参数个数任意。使用了groupby函数之后配合,size()函数就可以对groupby结果进行统计。
    groupby后可以使用:
    size():就是count
    sum():分组求和
    apply(func,axis=0):在分组上单独使用函数func返回frame,不groupby用在DataFrame会默认将func用在每个列上,如果axis=1表示将func用在行上。

    reindex(index,column,method):用来重新命名索引,和插值。
    size():会返回一个frame,这个frame是groupby后的结果。
    sum(n).argsort():如果frame中的值是数字,可以使用sum函数计算frame中摸个属性,各个因子分别求和,并返回一个Series,这个Series可以做为frame.take的参数,拿到frame中对应的行。
    pivot_table(操作str1,index=str2,columns=str3,aggfunc=str4)透视图函数:
    str1:是给函数str4作为参数的部分。
    str2:是返回frame的行名。
    str3:是返回frame的列名。
    str4:是集合函数名,有’mean’,’sum’这些,按照str2,str3分组。
    使用透视图函数之后,可以使用.sum()这类型函数,使用后会按照index和columns的分组求和。
    order_index(by,ascending):
    返回一个根据by排序,asceding=True表示升序,False表示降序的frame
    concat(list):将一个列表的frame行数加起来。
    ix[index]:就是行索引,DataFrame的普通下标是列索引。
    take(index):作用和ix差不多,都是查询行,但是ix传入行号,take传入行索引。
    unstack():将行信息变成列信息。
    apply(func,axis=0)和applymap(func):apply用在DataFrame会默认将func用在每个列上,如果axis=1表示将func用在行上。applymap表示func用在每个元素上。
    combine_first(frame2):combine_first会把frame中的空值用frame1中对应位置的数据进行填充。Series方法也有相同的方法。
    stack()函数,可以将DataFrame的列转化成行,原来的列索引成为行的层次索引。(stack和unstack方法是两个互逆的方法,可以用来进行Series和DataFrame之间的转换)
    duplicated():返回一个布尔型Series,表示各行是否重复。
    drop_duplicates():返回一个移除了重复行后的DataFrame
    pct_change():Series也有这个函数,这个函数用来计算同colnums两个相邻的数字之间的变化率。
    corr():计算相关系数矩阵。
    cov():计算协方差系数矩阵。
    corrwith(Series|list,axis=0):axis=0时计算frame的每列和参数的相关系数。

    数据框操作

    df.head(1) 读取头几条数据
    df.tail(1) 读取后几条数据
    df[‘date’] 获取数据框的date列
    df.head(1)[‘date’] 获取第一行的date列
    df.head(1)[‘date’][0] 获取第一行的date列的元素值
    sum(df[‘ability’]) 计算整个列的和
    df[df[‘date’] == ‘20161111’] 获取符合这个条件的行
    df[df[‘date’] == ‘20161111’].index[0] 获取符合这个条件的行的行索引的值
    df.iloc[1] 获取第二行
    df.iloc[1][‘test2’] 获取第二行的test2值
    10 mins to pandas
    df.index 获取行的索引
    df.index[0] 获取第一个行索引
    df.index[-1] 获取最后一个行索引,只是获取索引值
    df.columns 获取列标签
    df[0:2] 获取第1到第2行,从0开始,不包含末端
    df.loc[1] 获取第二行
    df.loc[:,’test1’] 获取test1的那一列,这个冒号的意思是所有行,逗号表示行与列的区分
    df.loc[:,[‘test1’,’test2’]] 获取test1列和test2列的数据
    df.loc[1,[‘test1’,’test2’]] 获取第二行的test1和test2列的数据
    df.at[1,’test1’] 表示取第二行,test1列的数据,和上面的方法类似
    df.iloc[0] 获取第一行
    df.iloc[0:2,0:2] 获取前两行前两列的数据
    df.iloc[[1,2,4],[0,2]] 获取第1,2,4行中的0,2列的数据
    (df[2] > 1).any() 对于Series应用any()方法来判断是否有符合条件的

    常用操作及结果

    1、文件读取

    首先将用到的pandas和numpy加载进来
    import pandas as pd
    import numpy as np
    读取数据:

    #csv和xlsx分别用read_csv和read_xlsx,下面以csv为例
    df=pd.read_csv('f:\1024.csv') 

    2、查看数据

    df.head()  
    ​
    #默认出5行,​括号里可以填其他数据

    3、查看数据类型

    df.dtypes

    4、利用现有数据生成一列新数据

    比如:max_time和min_time是现有的两列,现在业务需要生成一列gs,gs=max_time-min_time

    df.[‘gs’]=df.[‘max_time’]-[‘min_time’]

    #查看是否成功
    ​
    df.head()

    5、查看基本统计量

    df.describe(include='all')                 
    # all代表需要将所有列都列出

    通常来说,数据是CSV格式,就算不是,至少也可以转换成CSV格式。在Python中,我们的操作如下:

    import pandas as pd
    
    # Reading data locally
    df = pd.read_csv('/Users/al-ahmadgaidasaad/Documents/d.csv')
    
    # Reading data from web
    data_url = "https://raw.githubusercontent.com/alstat/Analysis-with-Programming/master/2014/Python/Numerical-Descriptions-of-the-Data/data.csv"
    
    df = pd.read_csv(data_url)

    为了读取本地CSV文件,我们需要pandas这个数据分析库中的相应模块。

    其中的read_csv函数能够读取本地和web数据。

    # Head of the data
    print df.head()
    
    # OUTPUT
        Abra  Apayao  Benguet  Ifugao  Kalinga
    0   1243    2934      148    3300    10553
    1   4158    9235     4287    8063    35257
    2   1787    1922     1955    1074     4544
    3  17152   14501     3536   19607    31687
    4   1266    2385     2530    3315     8520
    
    # Tail of the data
    
    print df.tail()
    
    # OUTPUT
         Abra  Apayao  Benguet  Ifugao  Kalinga
    74   2505   20878     3519   19737    16513
    75  60303   40065     7062   19422    61808
    76   6311    6756     3561   15910    23349
    77  13345   38902     2583   11096    68663
    78   2623   18264     3745   16787    16900

    上述操作等价于通过print(head(df))来打印数据的前6行,以及通过print(tail(df))来打印数据的后6行。

    当然Python中,默认打印是5行,而R则是6行。因此R的代码head(df, n = 10),

    在Python中就是df.head(n = 10),打印数据尾部也是同样道理。

    在Python中,我们则使用columns和index属性来提取,如下:

    # Extracting column names
    
    print df.columns
    
    # OUTPUT
    
    Index([u'Abra', u'Apayao', u'Benguet', u'Ifugao', u'Kalinga'], dtype='object')
    
    # Extracting row names or the index
    
    print df.index
    
    # OUTPUT
    Int64Index([0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30], dtype='int64')
    

    数据转置使用T方法,

    # Transpose data
    print df.T
    
    # OUTPUT
                0      1     2      3     4      5     6      7     8      9  
    Abra      1243   4158  1787  17152  1266   5576   927  21540  1039   5424  
    Apayao    2934   9235  1922  14501  2385   7452  1099  17038  1382  10588  
    Benguet    148   4287  1955   3536  2530    771  2796   2463  2592   1064  
    Ifugao    3300   8063  1074  19607  3315  13134  5134  14226  6842  13828  
    Kalinga  10553  35257  4544  31687  8520  28252  3106  36238  4973  40140  
    
             ...       69     70     71     72     73     74     75     76     77  
    Abra     ...    12763   2470  59094   6209  13316   2505  60303   6311  13345  
    Apayao   ...    37625  19532  35126   6335  38613  20878  40065   6756  38902  
    Benguet  ...     2354   4045   5987   3530   2585   3519   7062   3561   2583  
    Ifugao   ...     9838  17125  18940  15560   7746  19737  19422  15910  11096  
    Kalinga  ...    65782  15279  52437  24385  66148  16513  61808  23349  68663  
    
                78  
    Abra      2623  
    Apayao   18264  
    Benguet   3745  
    Ifugao   16787  
    Kalinga  16900  

    其他变换,例如排序就是用sort属性。现在我们提取特定的某列数据。
    Python中,可以使用iloc或者ix属性。但是我更喜欢用ix,因为它更稳定一些。假设我们需数据第一列的前5行,我们有:

    print df.ix[:, 0].head()
    
    # OUTPUT
    0     1243
    1     4158
    2     1787
    3    17152
    4     1266
    Name: Abra, dtype: int64

    顺便提一下,Python的索引是从0开始而非1。为了取出从11到20行的前3列数据,我们有:

    print df.ix[10:20, 0:3]
    
    # OUTPUT
        Abra  Apayao  Benguet
    10    981    1311     2560
    11  27366   15093     3039
    12   1100    1701     2382
    13   7212   11001     1088
    14   1048    1427     2847
    15  25679   15661     2942
    16   1055    2191     2119
    17   5437    6461      734
    18   1029    1183     2302
    19  23710   12222     2598
    20   1091    2343     2654

    上述命令相当于df.ix[10:20, [‘Abra’, ‘Apayao’, ‘Benguet’]]。

    为了舍弃数据中的列,这里是列1(Apayao)和列2(Benguet),我们使用drop属性,如下:

    print df.drop(df.columns[[1, 2]], axis = 1).head()
    
    # OUTPUT
        Abra  Ifugao  Kalinga
    0   1243    3300    10553
    1   4158    8063    35257
    2   1787    1074     4544
    3  17152   19607    31687
    4   1266    3315     8520

    axis 参数告诉函数到底舍弃列还是行。如果axis等于0,那么就舍弃行。

    统计描述

    下一步就是通过describe属性,对数据的统计特性进行描述:

    print df.describe()
    
    # OUTPUT
                   Abra        Apayao      Benguet        Ifugao       Kalinga
    count     79.000000     79.000000    79.000000     79.000000     79.000000
    mean   12874.379747  16860.645570  3237.392405  12414.620253  30446.417722
    std    16746.466945  15448.153794  1588.536429   5034.282019  22245.707692
    min      927.000000    401.000000   148.000000   1074.000000   2346.000000
    25%     1524.000000   3435.500000  2328.000000   8205.000000   8601.500000
    50%     5790.000000  10588.000000  3202.000000  13044.000000  24494.000000
    75%    13330.500000  33289.000000  3918.500000  16099.500000  52510.500000
    max    60303.000000  54625.000000  8813.000000  21031.000000  68663.000000

    Python有一个很好的统计推断包。那就是scipy里面的stats。ttest_1samp实现了单样本t检验。因此,如果我们想检验数据Abra列的稻谷产量均值,通过零假设,这里我们假定总体稻谷产量均值为15000,我们有:

    from scipy import stats as ss
    
    # Perform one sample t-test using 1500 as the true mean
    print ss.ttest_1samp(a = df.ix[:, 'Abra'], popmean = 15000)
    
    # OUTPUT
    (-1.1281738488299586, 0.26270472069109496)

    返回下述值组成的元祖:

    t : 浮点或数组类型
    t统计量
    prob : 浮点或数组类型
    two-tailed p-value 双侧概率值
    通过上面的输出,看到p值是0.267远大于α等于0.05,因此没有充分的证据说平均稻谷产量不是150000。将这个检验应用到所有的变量,同样假设均值为15000,我们有:

    print ss.ttest_1samp(a = df, popmean = 15000)
    
    # OUTPUT
    (array([ -1.12817385,   1.07053437, -65.81425599,  -4.564575  ,   6.17156198]),
    array([  2.62704721e-01,   2.87680340e-01,   4.15643528e-70,
              1.83764399e-05,   2.82461897e-08]))
    

    第一个数组是t统计量,第二个数组则是相应的p值。

    可视化

    Python中有许多可视化模块,最流行的当属matpalotlib库。稍加提及,我们也可选择bokeh和seaborn模块。之前的博文中,我已经说明了matplotlib库中的盒须图模块功能。

    # Import the module for plotting
    import matplotlib.pyplot as plt
    plt.show(df.plot(kind = 'box'))

    现在,我们可以用pandas模块中集成R的ggplot主题来美化图表。要使用ggplot,我们只需要在上述代码中多加一行,

    import matplotlib.pyplot as plt
    pd.options.display.mpl_style = 'default' # Sets the plotting display theme to ggplot2
    df.plot(kind = 'box')
    
    
    # Import the seaborn library
    import seaborn as sns
    # Do the boxplot
    plt.show(sns.boxplot(df, widths = 0.5, color = "pastel"))
    
    
    import numpy as np
    import scipy.stats as ss
    
    def case(n = 10, mu = 3, sigma = np.sqrt(5), p = 0.025, rep = 100):
        m = np.zeros((rep, 4))
    
        for i in range(rep):
            norm = np.random.normal(loc = mu, scale = sigma, size = n)
            xbar = np.mean(norm)
            low = xbar - ss.norm.ppf(q = 1 - p) * (sigma / np.sqrt(n))
            up = xbar + ss.norm.ppf(q = 1 - p) * (sigma / np.sqrt(n))
    
            if (mu > low) & (mu < up):
                rem = 1
            else:
                rem = 0
    
            m[i, :] = [xbar, low, up, rem]
    
        inside = np.sum(m[:, 3])
        per = inside / rep
        desc = "There are " + str(inside) + " confidence intervals that contain "
               "the true mean (" + str(mu) + "), that is " + str(per) + " percent of the total CIs"
    
        return {"Matrix": m, "Decision": desc}
    
    
    import numpy as np
    import scipy.stats as ss
    
    def case2(n = 10, mu = 3, sigma = np.sqrt(5), p = 0.025, rep = 100):
        scaled_crit = ss.norm.ppf(q = 1 - p) * (sigma / np.sqrt(n))
        norm = np.random.normal(loc = mu, scale = sigma, size = (rep, n))
    
        xbar = norm.mean(1)
        low = xbar - scaled_crit
        up = xbar + scaled_crit
    
        rem = (mu > low) & (mu < up)
        m = np.c_[xbar, low, up, rem]
    
        inside = np.sum(m[:, 3])
        per = inside / rep
        desc = "There are " + str(inside) + " confidence intervals that contain "
               "the true mean (" + str(mu) + "), that is " + str(per) + " percent of the total CIs"
        return {"Matrix": m, "Decision": desc}
    

    读取数据

    Pandas使用函数read_csv()来读取csv文件

    import pandas
    
    food_info = ('food_info.csv')
    print(type(food_info))
    # 输出:<class 'pandas.core.frame.DataFrame'> 可见读取后变成一个DataFrame变量

    使用函数head( m )来读取前m条数据,如果没有参数m,默认读取前五条数据

    first_rows = food_info.head()
    
    first_rows = food_info.head(3)
    print(food_info.columns)
    # 输出:输出全部的列名,而不是用省略号代替
    Index(['NDB_No', 'Shrt_Desc', 'Water_(g)', 'Energ_Kcal', 'Protein_(g)', 'Lipid_Tot_(g)', 'Ash_(g)', 'Carbohydrt_(g)', 'Fiber_TD_(g)', 'Sugar_Tot_(g)', 'Calcium_(mg)', 'Iron_(mg)', 'Magnesium_(mg)', 'Phosphorus_(mg)', 'Potassium_(mg)', 'Sodium_(mg)', 'Zinc_(mg)', 'Copper_(mg)', 'Manganese_(mg)', 'Selenium_(mcg)', 'Vit_C_(mg)', 'Thiamin_(mg)', 'Riboflavin_(mg)', 'Niacin_(mg)', 'Vit_B6_(mg)', 'Vit_B12_(mcg)', 'Vit_A_IU', 'Vit_A_RAE', 'Vit_E_(mg)', 'Vit_D_mcg', 'Vit_D_IU', 'Vit_K_(mcg)', 'FA_Sat_(g)', 'FA_Mono_(g)', 'FA_Poly_(g)', 'Cholestrl_(mg)'], dtype='object')

    可以使用tolist()函数转化为list

    food_info.columns.tolist()
    与Numpy一样,用shape属性来显示数据的格式

    dimensions = food_info.shapeprint(dimensions)
    print(dimensions)


    输出:(8618,36) ,

    其中dimensions[0]为8618,dimensions[1]为36

    与Numpy一样,用dtype属性来显示数据类型,Pandas主要有以下几种dtype:
    object – 代表了字符串类型
    int – 代表了整型
    float – 代表了浮点数类型
    datetime – 代表了时间类型
    bool – 代表了布尔类型

    索引

    读取了文件后,Pandas会把文件的一行作为列的索引标签,使用行数字作为行的索引标签

    无

    注意,行标签是从数字0开始的
    Pandas使用Series数据结构来表示一行或一列的数据,类似于Numpy使用向量来表示数据。Numpy只能使用数字来索引,而Series可以使用非数字来索引数据,当你选择返回一行数据的时候,Series并不仅仅返回该行的数据,同时还有每一列的标签的名字。

    参考博文:
    https://blog.csdn.net/chengxuyuanyonghu/article/details/54956207
    https://blog.csdn.net/Mrzhangjwei/article/details/53509040

    展开全文
  • python中读取panda一列的数据

    万次阅读 2019-02-22 15:42:32
    感觉很有用的小方法 textFile=open(r'19.csv','rb') data= pd.read_csv(textFile) //读取最后一列的数据 label=data.ix[:,-1] //除了最后一列的数据 x_train=data.ix[:,0:-1]
    感觉很有用的小方法
    textFile=open(r'19.csv','rb')
    data= pd.read_csv(textFile)
    

    //读取最后一列的数据

    label=data.ix[:,-1]

    //除了最后一列的数据

    x_train=data.ix[:,0:-1]

    展开全文
  • python数据处理——panda插入行和

    千次阅读 2019-04-11 16:05:21
    将这一列插入到指定位置,假如插入到第一列 df.insert(0,'date',date) 默认插入到最后一列 df['date'] = date dataframe插入一行 df.loc[i]=list dataframe插入一组数据 df.append(ignore_index=True)...
    dataframe插入列
    
    date是一个list或者是一个series类型的数据
    将这一列插入到指定位置,假如插入到第一列
        df.insert(0,'date',date)
    默认插入到最后一列
        df['date'] = date
    dataframe插入一行
    df.loc[i]=list
    dataframe插入一组数据
    df.append(ignore_index=True)
    合并dataframe
    newData = pd.concat([above,insertRow,below],ignore_index = True)

     

    展开全文
  • python-pandas如何查看某无重复的值

    万次阅读 2019-04-08 15:03:33
    python-pandas如何查看某无重复的值
    import pandas as pd
    
    air = pd.read_csv("../data/sq_air.csv", dtype={'station_id': str})
    print("air:{}".format(air.shape))  # air:(341, 13)
    
    # Hash table-based unique
    # Uniques are returned in order of appearance
    # This does NOT sort
    print(air['station_id'].unique())  # ['244002' '244003' '244001']
    
    展开全文
  • python——pandas--如何得到某个值所在的行?

    万次阅读 多人点赞 2017-05-25 09:22:07
    以前一直纠结这个问题,遍历遍所有的似乎太麻烦了,今天看pandas cookbook,有简单的方法 df[df['列名'].isin([相应的值])] 这个命令会输出等于该值的行。
  • Panda筛选出某值相同的行

    千次阅读 2018-01-15 14:04:22
    比如DataFrame有两列,[luid,message] 现在我想挑选出相同人发送的信息 那么代码如下: # 筛选出luid相同的行 subData = trainData.loc[(trainData['luid']==user)]
  • python pandas 中 loc & iloc 用法区别

    万次阅读 多人点赞 2018-08-15 14:01:19
    ### 随机生DataFrame 类型数据 import pandas as pd import numpy as np frame = pd.DataFrame(np.random.rand(4,4),index=list('abcd'),columns=list('ABCD')) frame   A B ... 0.3526...
  • python-pandas如何选取满足条件的特定的行和
  • Python使用Pandas对csv文件进行数据处理

    万次阅读 多人点赞 2019-05-04 21:28:04
    估计是XAMPP套装里面全默认配置的MySQL性能不给力,又尝试用R搞一下吧结果发现光加载csv文件就要3分钟左右的时间,相当不给力啊,翻了翻万能的知乎发现了Python下的个神器包:Pandas(熊猫们?),加载这个140多M的...
  • Python中的pandas库简介及其使用

    万次阅读 多人点赞 2019-04-04 15:15:35
    pandas是个强大的分析结构化数据的工具集;它的使用基础是Numpy(提供高性能的矩阵运算);用于数据挖掘和数据分析,同时也提供数据清洗功能。 Pandas中常见的数据结构有两种: Series DateFrame 类似维...
  • python里面的pandas对数据进行某一列进行删除,或者选取某一列
  • python dataframe 按统计nan值个数

    万次阅读 2018-12-22 09:28:37
    num = df.isna().sum()
  • pandas之dataframe移动复制删除

    万次阅读 2016-11-10 14:05:59
    pandas的DataFrame非常灵活,我们可以快速的移动、复制、删除列,今天就用案例来说明一下具体的工作是如何完成的。 首先我们创建一个dataframe打印一下: 增加列,我们可以把df当作一个...永久删除一列数据用del
  • python pandas dataframe 的按或者按行合并

    万次阅读 多人点赞 2017-05-15 15:15:49
    于是有个突出的问题,是横向拼接还是纵向拼接,所以concat 函数的关键参数是axis 。 函数的具体参数是: concat(objs,axis=0,join='outer',join_axes=None,ignore_index=False,keys=None,levels=None,names=...
  • 首先需要用pip 安装pandas、xlrd、openpyxl,然后直接贴...data_path = 'E:/pythonProject/python_pandas/test_pandas.xlsx' //此处为excel表的路径 data = pd.read_excel(data_path) data.loc[0,'ground_time']...
  • python DataFrame 差集

    万次阅读 2017-11-24 16:52:35
    需求:给定一个dataframe和一个list,list中存放的是dataframe中某一列的元素,删除dataframe中与list元素重复的行(即差集)。 在网上搜了一圈,好像没看到DataFrame中差集的方式,所以自己写了一个。方法比较...
  • python删除pandas DataFrame的某/几列

    万次阅读 2016-10-19 14:19:50
    删除pandas DataFrame的某/几列: 方法:直接del DF['column-name'] 方法二:采用drop方法,有下面三种等价的表达式: 1. DF= DF.drop('column_name', 1); 2. DF.drop('column_name'...
  • 我有这样个Pandas Dataframe: ``` index col1 col2 1 [1,2] [apple, peer, oragne, banana] 2 [2] [pancake, soda] ``` 我想创建个新,根据col1的index来选择col2的item, 例如: ``` ...
  • # -*-coding: utf-8 -*- import pandas as pd #读取csv文件 df=pd.read_csv('A_2+20+DoW+VC.csv') ...#把ave_time这列的缺失值进进行填充,填充的方法是按这一列的平均值进行填充 df2=df.fillna(aveTime) #
  • python pandas dataframe 去重函数

    万次阅读 多人点赞 2016-01-08 16:47:59
    python pandas dataframe 去重函数
1 2 3 4 5 ... 20
收藏数 2,936
精华内容 1,174
关键字:

panda python 取一列