pandas中Dataframe的一些用法

pandas读取excel文件

• pd.read_excel 前提是安装xlrd库

dataframe，numpy，list之间的互相转换

• dataframe转numpy ：dataframe对象.values
• dataframe转list：dataframe对象.values.tolist()
• list转numpy：np.array(list对象)
• list转dataframe：pd.DataFrame(list对象)
• numpy转list：numpy对象.tolist()
• numpy转dataframe:pd.DataFrame(numpy对象)

dataframe 按行遍历，按列遍历

• 按行遍历:

  常用df.iterrows()

  import pandas as pd 
  demo_list = [[1,2],
               [3,4]]
  #用list构建dataframe
  demo_df = pd.DataFrame(demo_list)
  print(demo_df)
  
  

#接上
for row in demo_df.iterrows():
	print(type(row))
    print(row[0])
    print(row[1])

可以看到每个row的类型是tuple元组类型，元组长度为2，元组第0个元素为index，第1个元素为横向的series。**值得注意的是，在遍历过程中如果取每一行的某个值，通过对row[1]进行切片即可。 **

• 按列遍历

  经常使用df.columns获取列名然后访问

  #接上
  print(demo_df.columns)
  for column in demo_df.columns:
      print(demo_df[column])
  

dataframe之使用iloc切片

• 先构建dataframe

import numpy as np
import pandas as pd
##list构建5x5的dataframe，由于dataframe没有reshape，因此需要借助numpy
demo_list = [i for i in range(25)]
demo_np = np.array(demo_list).reshape(5,5)
demo_df = pd.DataFrame(demo_list)
print(demo_df)

• iloc[start:end ,start :end ]表示按行列取出dataframe的值。其中逗号前面表示行，逗号后面表示列。冒号左侧表示开始，冒号右侧表示结束(遵循左闭右开原则)。例如，demo_df.iloc[2:4,1:3]表示切片第二行到第三行 第一列到第二列数据。 切片返回的数据类型还是dataframe。

• iloc[start: end :step,start:end :step]是在上一个切片的基础上加上了步长。表示从start到end每step步取一次值。

dataframe 中缺失值的处理

• 均值填充

  通常使用fillna()

  ##获取存在缺失值的列名列表
  null_columns=list(file_df.columns[file_df.isnull().sum() > 0])
  for column in null_columns :
      #计算每一列的均值
  	mean_val = file_df[column].mean()
  	#使用fillna进行均值填充
      file_df[column].fillna(mean_val, inplace=True)