大家好，我是雅痞紳士JM
基礎知識在數據分析中就像是九陽神功，熟練的掌握，加以運用，就可以練就深厚的內力，成為絕頂高手自然不在話下！
為了更好地學習數據分析，我對於數據分析中pandas這一模塊裡面常用的函數進行了總結。整篇總結，在詳盡且通俗易懂的基礎上，我力求使其有很強的條理性和邏輯性，所以製作了思維導圖，對於每一個值得深究的函數用法，我也會附上官方連結，方便大家繼續深入學習。
文章中的所有代碼都會有講解和注釋，絕大部分也都會配有運行結果，這樣的話，整篇總結篇幅量自然不小，所以我分成了上下兩篇，這裡是上篇，下篇在次條。
import pandas as pd # 這裡用到的是pandas和numpy兩個模塊
import numpy as np
2.1 創建數據集
我構造了一個超市購物的數據集，該數據集屬性包括：訂單ID號（id）、訂單日期（date）、消費金額（money）、訂單商品（product）、商品類別（department）、商品產地（origin）。
# 列表和字典均可傳入DataFrame，我這裡用的是字典傳入：
data=pd.DataFrame({
"id":np.arange(101,111), # np.arange會自動輸出範圍內的數據，這裡會輸出101~110的id號。
"date":pd.date_range(start="20200310",periods=10), # 輸出日期數據，設置周期為10，注意這裡的周期數應該與數據條數相等。
"money":[5,4,65,-10,15,20,35,16,6,20], # 設置一個-10的坑，下面會填（好慘，自己給自己挖坑，幸虧不準備跳~）
"product":['蘇打水','可樂','牛肉乾','老乾媽','菠蘿','冰激凌','洗面奶','洋蔥','牙膏','薯片'],
"department":['飲料','飲料','零食','調味品','水果',np.nan,'日用品','蔬菜','日用品','零食'], # 再設置一個空值的坑
"origin":['China',' China','America','China','Thailand','China','america','China','China','Japan'] # 再再設置一個america的坑
})
data # 輸出查看數據集
輸出結果：
2.2 數據寫入和讀取
data.to_csv("shopping.csv",index=False) # index=False表示不加索引，否則會多一行索引data=pd.read_csv("shopping.csv")
3.1 數據集基礎信息查詢
data.shape # 行數列數
data.dtypes # 所有列的數據類型
data['id'].dtype # 某一列的數據類型
data.ndim # 數據維度
data.index # 行索引
data.columns # 列索引
data.values # 對象值
3.2 數據集整體情況查詢
data.head() # 顯示頭部幾行（默認5行）
data.tail() # 顯示末尾幾行（默認5行）
data.info() # 數據集相關信息概覽：索引情況、列數據類型、非空值、內存使用情況
data.describe() # 快速綜合統計結果
4.1 查看異常值
當然，現在這個數據集很小，可以直觀地發現異常值，但是在數據集很大的時候，我用下面這種方式查看數據集中是否存在異常值，如果有其他更好的方法，歡迎傳授給我。
for i in data:
print(i+": "+str(data[i].unique())) # 查看某一列的唯一值
輸出結果：我們發現，該數據集中money存在一個負值，department存在一個空值以及origin存在大小寫問題。
4.2 空值處理
4.2.1 空值檢測
data.isnull()# 查看整個數據集的空值data['department'].isnull()# 查看某一列的空值
data.isnull() # 查看整個數據集的空值
data['department'].isnull() # 查看某一列的空值
輸出結果：
將空值判斷進行匯總，更加直觀，ascending默認為True，升序。
data.isnull().sum().sort_values(ascending=False)
輸出結果：
更多關於pandas.DataFrame.sort_values的用法，戳下面官方連結：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.sort_values.html
4.2.2 空值處理
pandas.DataFrame.fillna（value = None，method = None，inplace = False）value：用於填充的值，可以是具體值、字典和數組，不能是列表；
method：填充方法，有 ffill 和 bfill 等；
inplace默認無False，如果為True，則將修改此對象上的所有其他視圖。
更多關於pandas.DataFrame.fillna的用法，戳下面官方連結：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.fillna.html
data['department'].fillna(method="ffill") # 填充上一個值，即填充「水果」
輸出結果：
data['department'].fillna(method="bfill") # 填充下一個值，即填充「日用品」
data['department'].fillna(value="冷凍食品",inplace=True) # 替換為具體值，並且在原對象值上進行修改
輸出結果：
4.3 空格處理
只針對object類型數據
for i in data: # 遍歷數據集中的每一列
if pd.api.types.is_object_dtype(data[i]): # 如果是object類型的數據，則執行下方代碼
data[i]=data[i].str.strip() # 去除空格
data['origin'].unique() # 驗證一下
輸出結果：array([『China』, 『America』, 『Thailand』, 『america』, 『Japan』], dtype=object)
4.4 大小寫轉換
data['origin'].str.title() # 將首字母大寫
data['origin'].str.capitalize() # 將首字母大寫
data['origin'].str.upper() # 全部大寫
data['origin'].str.lower() # 全部小寫
4.5 數據替換
data['origin'].replace("america","America",inplace=True) # 將第一個值替換為第二個值，inplace默認為False
data['origin']
輸出結果：
data['money'].replace(-10,np.nan,inplace=True) # 將負值替換為空值
data['money'].replace(np.nan,data['money'].mean(),inplace=True) # 將空值替換為均值
data['money']
輸出結果：
4.6 數據刪除
方法一
data1 = data[data.origin != 'American'] #去掉origin為American的行
data1
data2=data[(data != 'Japan').all(1)] #去掉所有包含Japan的行 不等於Japan的行為真，則返回
data2
方法二
data['origin'].drop_duplicates() # 默認刪除後面出現的重複值，即保留第一次出現的重複值
輸出結果：
data['origin'].drop_duplicates(keep='last') # 刪除前面出現的重複值，即保留最後一次出現的重複值
輸出結果：
更多關於pandas.DataFrame.drop_duplicates的用法，戳下面官方連結：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.drop_duplicates.html#pandas.DataFrame.drop_duplicates
4.7 數據格式轉換
data['id'].astype('str') # 將id列的類型轉換為字符串類型。
常見的數據類型對照
4.8 更改列名稱
data.rename(columns={'id':'ID', 'origin':'產地'}) # 將id列改為ID，將origin改為產地。
輸出結果：
參考資料：
pandas官網
pandas用法總結
Pandas 文本數據方法
重磅！Python交流群已成立
為了給小夥伴們提供一個互相交流的技術平臺，特地開通了Python交流群。群裡有不少技術大神，不時會分享一些技術要點，更有一些資源收藏愛好者不時分享一些優質的學習資料。（免費，不賣課！）需要進群的朋友，可長按掃描下方二維碼。
▲長按掃碼