Python库常用函数-数据分析

Python库常用函数

1.pandas库
（1）数据读取与写入
读取 CSV 文件：

data = pd.read_csv('file.csv')

读取 Excel 文件：

data = pd.read_excel('file.xlsx', sheet_name='Sheet1')

写入 CSV 文件：

data.to_csv('new_file.csv', index=False)

写入 Excel 文件：

data.to_excel('new_file.xlsx', sheet_name='Sheet1', index=False)

（2)数据查看与探索
查看数据前几行：

data.head(n)（n为要查看的行数，默认为 5）

查看数据基本信息（列名、数据类型、非空值数量等）：

data.info()

查看数据统计描述（计数、均值、标准差、最小值、最大值等）：

data.describe()

获取数据形状（行数和列数）：

data.shape

获取列名列表：

data.columns

(3)数据选择与过滤
按列名选择单列：

column_data = data['column_name']

按列名选择多列：

selected_data = data[['column1', 'column2', 'column3']]

按行索引选择单行：

row_data = data.loc[index]

按行索引选择多行：

selected_rows = data.loc[start_index:end_index]

按条件过滤数据：

filtered_data = data[data['column_name'] > value]

(4)数据处理与清洗
删除包含缺失值的行：

data.dropna(axis=0, how='any', inplace=True)（axis=0表示按行操作，how='any'表示只要有一个缺失值就删除该行，inplace=True表示直接在原数据上修改）

删除包含缺失值的列：

data.dropna(axis=1, how='any', inplace=True)

填充缺失值：

data.fillna(value, inplace=True)（value为要填充的值）

数据去重：

data.drop_duplicates(subset=['column1', 'column2'], keep='first', inplace=True)（subset指定要根据哪些列去重，keep='first'表示保留第一次出现的重复行）

数据类型转换：

data['column_name'] = data['column_name'].astype('new_type')（new_type可以是int、float、str等）

(5)数据分组与聚合
按列分组并计算某列的总和：

grouped_data = data.groupby('group_column')['sum_column'].sum()

按列分组并计算多个聚合函数：

grouped_data = data.groupby('group_column').agg({'sum_column': 'sum', 'count_column': 'count'})

(6)数据合并与连接
按索引合并两个数据框：

merged_data = pd.merge(data1, data2, left_index=True, right_index=True)

按指定列合并两个数据框：

merged_data = pd.merge(data1, data2, on='common_column')

2.numpy库
(1）创建数组
创建一维数组：

arr = np.array([1, 2, 3, 4, 5])

创建二维数组：

arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

(2)数组基本操作
获取数组形状：

arr.shape

获取数组维度：

arr.ndim

获取数组元素个数：

arr.size

数组索引与切片（与 Python 列表类似）

(3)数组计算与统计
数组元素求和：

np.sum(arr)

数组元素均值：

np.mean(arr)

数组元素标准差：

np.std(arr)

数组元素最大值：

np.max(arr)

数组元素最小值：

np.min(arr)