PythonPandas資料分析備忘單
Pandas系列和資料幀的參考指南。學習資料載入、清理、選擇、分組和聚合。
加載數據和初步檢查
載入資料集並檢查其結構輪廓的操作。
| 方法/功能 | 文法 | 描述 |
|---|---|---|
| pd.DataFrame() | pd.DataFrame(data, columns=...) | 使用列構造二維標記資料結構。 |
| pd.read_csv() | pd.read_csv(filepath) | 將 CSV 檔案載入到PandasDataFrame 中。 |
| head() / tail() | df.head(n=5) / df.tail(n=5) | 傳回 DataFrame 的前 n 或後 n 行。 |
| info() | df.info() | 列印 DataFrame 欄位、非空計數和記憶體使用情況的簡明摘要。 |
| describe() | df.describe() | 產生總結集中趨勢、離散度和形狀的描述性統計。 |
資料選擇、過濾和清理
對列/行進行切片、聚合資料和解決遺失記錄的方法。
| 方法/功能 | 文法 | 描述 |
|---|---|---|
| loc[] | df.loc[row_label, col_label] | 透過標籤存取一組行和列。 |
| iloc[] | df.iloc[row_pos, col_pos] | 透過整數索引位置存取一組行和列。 |
| groupby() | df.groupby(col).mean() | 對共享 col 值的行進行分組並聚合數字欄位。 |
| value_counts() | df[col].value_counts() | 傳回包含 col 中唯一值計數的 Series。 |
| dropna() | df.dropna(axis=0) | 刪除包含缺失值或空值的行（或列）。 |
| fillna() | df.fillna(value) | 使用指定值或策略填入缺失值。 |
互動式簡報腳本
run_all_cheat_methods.py
在編輯器中執行# pd.DataFrame()
pd.DataFrame(data, columns=...)
# pd.read_csv()
pd.read_csv(filepath)
# head() / tail()
df.head(n=5) / df.tail(n=5)
# info()
df.info()
# describe()
df.describe()
# loc[]
df.loc[row_label, col_label]
# iloc[]
df.iloc[row_pos, col_pos]
# groupby()
df.groupby(col).mean()
# value_counts()
df[col].value_counts()
# dropna()
df.dropna(axis=0)
# fillna()
df.fillna(value)常見問題解答
loc 和 iloc 有什麼差別？
loc 是基於標籤的索引（按行/列名稱選擇資料），而 iloc 是基於整數的索引（按索引位置選擇資料）。
如何處理Pandas中的缺失值？
使用 dropna() 刪除具有空值的行/列，或使用 fillna(value) 將空值替換為特定的預設值。
相關主題
推薦的 Python 資源
透過相關的互動式教學、備忘單和程式碼比較來擴展您的知識。