Python pandas获取数据的行数和列数
1 2 3 4 5 | import pandas as pd df = pd.DataFrame({'Country':['China','China', 'India', 'India', 'America', 'Japan', 'China', 'India'], 'Income':[10000, 10000, 5000, 5002, 40000, 50000, 8000, 5000], 'Number':[5000, 4321, 1234, 4010, 250, 250, 4500, 4321]}) |
法一：
1 | df.shape#返回df的行数和列数 |
输出：
(8, 3)
1 | df.shape[0]#返回df的行数 |
输出：
8
1 | df.shape[1] |
输出：
3
法二：
1 | df.info() |
输出：
pandas获取数据以及数据概览
1 数据获取
先引入必要的库
1 2 | import pandas as pdimport numpy as np |
1.1 读取数据
使用方法：pandas.read_csv()
参数：
（1）文件所在的路径
（2）headers：设置参数headers=None，pandas将不会自动将数据集的第一行设置为列表表头（列名）
1 2 | other_path = "https://s3-api.us-geo.objectstorage.softlayer.net/cf-courses-data/CognitiveClass/DA0101EN/auto.csv"df = pd.read_csv(other_path, header=None) |
- 查阅数据集的前n行，使用函数df.head(n);
- 查阅数据集的倒数后n行，使用函数df.tail(n)
1 | df.head(5) |
输出：
1 | df.tail(10) |
输出：
1.2 为数据集添加列名（表头）
观察上面读取出来的部分数据，pandas自动将列名（表头）设置为从0开始的数字标签。
需要我们手动添加能够帮助我们更好理解数据的列名：
首先创建出一个列表headers，里面内容就是每列的名称，然后使用方法：df.columns = headers来将列名替换成我们刚才设置的。
1 2 3 4 5 6 | headers = ["symboling","normalized-losses","make","fuel-type","aspiration", "num-of-doors","body-style", "drive-wheels","engine-location","wheel-base", "length","width","height","curb-weight","engine-type", "num-of-cylinders", "engine-size","fuel-system","bore","stroke","compression-ratio","horsepower", "peak-rpm","city-mpg","highway-mpg","price"]df.columns = headersdf.head(10) |
输出：
1.3 删除某些具有空值的“脏数据”
观察上面的部分数据，发现有一些值为“？” 的行代表空值，首先需要先将这些“？”标志替换为NaN,然后使用方法dropna()来移除这些脏数据。
1 | df1=df.replace('?',np.NaN) |
下面使用方法dropna来删除脏数据行。
关于方法dropna（）：
参数：
（1）axis： default 0指删除行,1为删除列
（2）subset：对特定的列进行缺失值删除处理
（3）how： {‘any’, ‘all’}, default ‘any’指带缺失值的所有行;’all’指清除全是缺失值的
（4）thresh：int,保留含有int个非空值的行
（5）inplace：True表示直接在原数据上更改
1 2 | df=df1.dropna(subset=["price"], axis=0)df.head(20) |
上面的调用，表示，删除“price”列为空值的行。
输出：
可以看出，原来行9的“price”列为空值，所以行9被删除。
1.4 查看数据的列名列表
1 | df.columns |
输出：
1.5 保存某个数据集
我们可以将处理过的dataframe（df）保存成某种格式（例如：.csv）的文件，方便以后进行读取。
使用方法df.to_csv（“文件要保存的路径”， index = False）
1 | df.to_csv("automobile.csv", index=False) |
注：参数index的含义为“是否保留行索引”， 默认为True
当然我们可以读取其他格式的数据，对数据操作完成后，我们也同样可以将数据保存为不同的格式，下图显示了读取其他格式文件以及将数据集保存为其他格式的方法：
2 数据概览
2.1 查看每列数据的类型
dataframe的属性dtypes可以返回表示每列数据名称及类型的列表：
1 | print(df.dtypes) |
输出：
第一列为列名，第二列为数据的类型
2.2 获取每列数据的统计特征（eg：总行数，列数据的平均值、标准差，etc）
使用：dataframe.describe()即可查看每列数据的
（1）总行数统计count
（2）平均值mean
（3）标准差std
（4）最小值min
（5）25%分位值“25%”
（6）50%分位值“50%”
（7）75%分位值“75%”
（8）最大值max
1 | df.describe() |
输出：
注意：方法describe()只统计（没有任何参数的情况下）数据类型（numeric-typed数据类型，例如int，float等）列的统计特征，并且会自动NaN值。
如果我们想查看所有列的统计特征（即包括非数据类型的列，例如object类型的列），就需要在describe()方法中添加参数（include = “all”）
1 | df.describe(include = "all") |
输出：
2.3 获取指定列的统计学特征
使用如下语句：
dataframe[[‘column1’, ‘column2’, ‘column3’]].describe()
1 | df[['length', 'compression-ratio']].describe() |
输出：
2.4 使用方法info（）来查看dataframe的简介描述
使用如下语句：
1 | dataframe.info() |
此方法打印有关dataframe的信息，包括索引dtype和列、非空值和内存使用情况。
1 | df.info() |
输出：
2.5 查看数据的行数及列数
通过属性shape，获取数据集的（行数，列数）
1 | ratings_df.shape |
输出：
（463， 19）
总结
以上为个人经验，希望能给大家一个参考，也希望大家多多支持IT俱乐部。
