认识强大的Python套件：Pandas（下）

今天我们接着继续和DataFrame继续奋斗！先把套件和档案载入：

import pandas as pd
df = pd.read_csv('档案名')

条件选择

• 单一条件筛选，搭配运算子

df['colum'] #筛选栏位名称
df.loc[[index],[colum]] #筛选栏位名称及行数
df[df['colum'] == "value"]] #筛选某个栏位的特定值
df[df['colum'] > "value"]]

• 多条件筛选，运用& (And)与| (Or)

A = df['colum1'] == "value1"] #筛选某个栏位的特定值
B = df['colum2'] > "value2"]
df[A & B] #筛选同时满足A与B条件

• 去除重复值

A = df.drop_duplicateds(subset=['colum'], keep='first') #保留某栏位的第一个值(预设)

资料整理

新增资料：

• insert()：在指定的栏位位置新增资料
• append()：将资料一笔一笔传入（以字典的形式）
• concat()：合并两组资料

筛除资料：

• drop()：axis=1筛除栏，axis=0删除列

资料排序：

• sort_index()：依照索引进行排序
• sort_values()：依照栏位内容进行排序

资料群组

在Pandas一样有Excel枢纽分析表的功能，我们可以将资料进行分组运算：

df.groupby('colum').sum()

多栏位运算：

df.groupby(['colum1','coium2').sum()

以上是Pandas的简单介绍，还有好多功能等着我们去发掘，下面提供更多阅读资料，如果有兴趣的朋友可以在更加深入研究看看！

更多延伸资料：

https://pandas.pydata.org/docs/user_guide/index.html

https://leemeng.tw/practical-pandas-tutorial-for-aspiring-data-scientists.html

Pandas也可以视觉化

https://allaboutdataanalysis.medium.com/资料视觉化-一篇文章详细解读pandas视觉化图表-9bb663bae0cd

参考资料：

http://notebookpage1005.blogspot.com/2018/12/python-pandas.html