基础知识就像是数据分析中的九阳神功，熟练的掌握，加以运用，就可以练就深厚的内力，成为绝顶高手自然不在话下！

为了更好地学习数据分析，我对于数据分析中pandas这一模块里面常用的函数进行了总结。整篇总结，在详尽且通俗易懂的基础上，我力求使其有很强的条理性和逻辑性，所以制作了思维导图，对于每一个值得深究的函数用法，我也会附上官方链接，方便大家继续深入学习。

文章中的所有代码都会有讲解和注释，绝大部分也都会配有运行结果，酱紫的话，整篇总结篇幅量自然不小，所以我分成了上下两篇，这里是上篇。

1. 导入模块

<code>import pandas as pd                    # 这里用到的是pandas和numpy两个模块
import numpy as np/<code>

2. 创建数据集并读取

2.1 创建数据集

我构造了一个超市购物的数据集，该数据集属性包括：订单ID号（id）、订单日期（date）、消费金额（money）、订单商品（product）、商品类别（department）、商品产地（origin）。

<code># 列表和字典均可传入DataFrame，我这里用的是字典传入： 

data=pd.DataFrame({
\t\t"id":np.arange(101,111),                                                      # np.arange会自动输出范围内的数据，这里会输出101~110的id号。
\t\t"date":pd.date_range(start="20200310",periods=10),       # 输出日期数据，设置周期为10，注意这里的周期数应该与数据条数相等。
\t\t"money":[5,4,65,-10,15,20,35,16,6,20],                                # 设置一个-10的坑，下面会填
\t\t"product":['苏打水','可乐','牛肉干','老干妈','菠萝','冰激凌','洗面奶','洋葱','牙膏','薯片'],
\t\t"department":['饮料','饮料','零食','调味品','水果',np.nan,'日用品','蔬菜','日用品','零食'],                         # 设置一个空值的坑
\t\t"origin":['China',' China','America','China','Thailand','China','america','China','China','Japan']           # 设置一个america的坑
})
data     #  输出查看数据集/<code>

输出结果：

2.2 数据写入和读取

<code>data.to_csv("shopping.csv",index=False)        # index=False表示不加索引，否则会多一行索引/<code>

<code>data=pd.read_csv("shopping.csv")/<code>

3. 数据查看

3.1 数据集基础信息查询

<code>data.shape                               # 行数列数
data.dtypes                             # 所有列的数据类型
data['id'].dtype                       # 某一列的数据类型
data.ndim                               # 数据维度
data.index                              # 行索引
data.columns                         # 列索引
data.values                            # 对象值/<code>

3.2 数据集整体情况查询

<code>data.head()                             # 显示头部几行（默认5行）
data.tail()                               # 显示末尾几行（默认5行）
data.info()                             # 数据集相关信息概览：索引情况、列数据类型、非空值、内存使用情况
data.describe()                     # 快速综合统计结果/<code>

4. 数据清洗

4.1 查看异常值

当然，现在这个数据集很小，可以直观地发现异常值，但是在数据集很大的时候，我用下面这种方式查看数据集中是否存在异常值，如果有其他更好的方法，欢迎传授给我。

<code>for i in data:
\t print(i+": "+str(data[i].unique()))          # 查看某一列的唯一值/<code>

输出结果：我们发现，该数据集中money存在一个负值，department存在一个空值以及origin存在大小写问题。

4.2 空值处理

4.2.1 空值检测

<code>data.isnull() # 查看整个数据集的空值
data['department'].isnull() # 查看某一列的空值/<code>

输出结果：

将空值判断进行汇总，更加直观，ascending默认为True，升序。

<code>data.isnull().sum().sort_values(ascending=False)/<code>

输出结果：

>更多关于pandas.DataFrame.sort_values的用法，戳下方官方链接：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.sort_values.html

4.2.2 空值处理

pandas.DataFrame.fillna（value = None，method = None，inplace = False）

• value：用于填充的值，可以是具体值、字典和数组，不能是列表；

• method：填充方法，有 ffill 和 bfill 等；

• inplace默认无False，如果为True，则将修改此对象上的所有其他视图。

>更多关于pandas.DataFrame.fillna的用法，戳下面官方链接：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.fillna.html

<code>data['department'].fillna(method="ffill")                           # 填充上一个值，即填充"水果"/<code>

输出结果：

<code>data['department'].fillna(method="bfill")                      # 填充下一个值，即填充"日用品"/<code>

<code>data['department'].fillna(value="冷冻食品",inplace=True)     # 替换为具体值，并且在原对象值上进行修改/<code>

输出结果：

4.3 空格处理

==只针对object类型数据==

<code>for i in data:                                                   # 遍历数据集中的每一列
    if pd.api.types.is_object_dtype(data[i]):     # 如果是object类型的数据，则执行下方代码
        data[i]=data[i].str.strip()                        # 去除空格
data['origin'].unique()                                   # 验证一下/<code>

输出结果：array(['China', 'America', 'Thailand', 'america', 'Japan'], dtype=object)

4.4 大小写转换

<code>data['origin'].str.title()              # 将首字母大写
data['origin'].str.capitalize()    # 将首字母大写
data['origin'].str.upper()         # 全部大写
data['origin'].str.lower()         # 全部小写/<code>

4.5 数据替换

<code>data['origin'].replace("america","America",inplace=True) # 将第一个值替换为第二个值，inplace默认为False
data['origin']/<code>

输出结果：

<code>data['money'].replace(-10,np.nan,inplace=True)                                   # 将负值替换为空值
data['money'].replace(np.nan,data['money'].mean(),inplace=True)      # 将空值替换为均值
data['money']/<code>

输出结果：

4.6 数据删除

==方法1==

<code>data1 = data[data.origin != 'American']      #去掉origin为American的行
data1 

data2=data[(data != 'Japan').all(1)]            #去掉所有包含Japan的行    不等于Japan的行为真，则返回
data2/<code>

==方法2==

<code>data['origin'].drop_duplicates()                     # 默认删除后面出现的重复值，即保留第一次出现的重复值/<code>

输出结果：

<code>data['origin'].drop_duplicates(keep='last')       # 删除前面出现的重复值，即保留最后一次出现的重复值/<code> 

输出结果：

4.7 数据格式转换

<code>data['id'].astype('str')        # 将id列的类型转换为字符串类型。/<code>

==常见的数据类型对照==

4.8 更改列名称

<code>data.rename(columns={'id':'ID', 'origin':'产地'})     # 将id列改为ID，将origin改为产地。/<code>

输出结果：

思维导图

[思维导图--上篇]

笔记中如果有错误的地方，欢迎各位小伙伴指正，感谢！

如果需要完整思维导图电子版（PDF、Xmind等）可以留言或者私信！

> 1. [pandas官网](http://pandas.pydata.org/)

> 2. [pandas用法总结](https://blog.csdn.net/yiyele/article/details/80605909)

> 3. [Pandas 文本数据方法 capitalize( ) lower( ) upper( )](https://blog.csdn.net/claroja/article/details/64943601)

> 4. [python【all()全1为1, any()全0为0】](https://www.jianshu.com/p/a184bddc6fe6)

> 5. [pandas 数据类型转换](https://www.cnblogs.com/onemorepoint/p/9404753.html)

閱讀更多 雅痞紳士JM 的文章

關鍵字: 超全 导图 Origin