Python数据分析基础与应用（微课版）课件 4.5 Pandas基本操作.pptx

Python数据分析基础与应用模块4Pandas数据结构应用与数据读写操作

4.5Pandas基本操作

4.5.1Pandas数据显示格式设置在使用Pandas进行数据分析的过程中，经常需要输出数据分析的结果，如果数据体量较大就会存在输出数据不全（部分内容省略）或者换行错误等问题。Pandas为了解决上述问题，允许用户对数据显示格式进行设置。Pandas显示全部数据的代码如下：#显示所有的列pd.set_option(display.max_columns,None)#显示所有的行pd.set_option(display.max_rows,None)#设置value的显示长度为100，默认为50pd.set_option(max_colwidth,100)

4.5.2Pandas字符串操作Pandas提供了一系列的字符串函数，方便对字符串进行操作。

4.5.3Pandas遍历操作对于Series而言，可以把它当做一维数组进行遍历操作；而DataFrame这种二维数据表结构，则类似于遍历Python字典。1．使用for循环进行遍历在Pandas中同样也可以使用for循环进行遍历，通过for遍历后，Series可直接获取相应的value，而DataFrame则会获取列索引。

4.5.3Pandas遍历操作2．使用内置迭代方法进行遍历可以使用下列函数遍历DataFrame的每一行：?iteritems()函数：以键值对(key,value)的形式进行遍历；?iterrows()函数：以(row_index,row)的形式遍历行；?itertuples()函数：以命名元组的方式遍历行。（1）使用iteritems()函数以键值对(key,value)的形式进行遍历iteritems()函数以键值对的形式遍历DataFrame对象，以列索引为键，以对应列的元素为值。

4.5.3Pandas遍历操作2．使用内置迭代方法进行遍历（2）使用iterrows()函数以(row_index,row)的形式遍历行iterrows()函数按行遍历，返回一个迭代器，以行索引标签(row_index)为键，以每一行数据为值。（3）使用itertuples()函数以命名元组的方式遍历行itertuples()函数同样将返回一个迭代器，该函数会把DataFrame的每一行生成一个元组。

4.5.4Pandas排序操作Pands提供了两种排序方法，分别是按索引标签排序和按数值排序。1．使用sort_index()函数按索引标签进行排序默认情况下，使用sort_index()函数按照行索引顺序对行索引进行排序。也可以自定义轴参数（axis）和排序顺序，从而实现根据列标签对所有列排序，或者根据指定某列或某几列对行进行排序。sort_index()函数的语法格式如下：sort_index(axis=0,level=None,ascending=True,inplace=False,kind=quicksort,na_position=last,by=None)

4.5.4Pandas排序操作其主要函数参数说明如下：?axis：通过给axis轴参数传递1，可以对列索引进行排序。默认情况下，axis=0表示按行索引排序。?level：指定根据哪一层索引进行排序，默认值为None，即按最外（上）层索引进行排序。该值可以是数值、索引名，或者是由二者构成的列表。如果参数level有设置值，则按照给定的level顺序排列。?ascending：通过将布尔值传递给ascending参数，可以控制排序方式（行号顺序），该参数取值True时按照升序排列，取值False时则按照降序排列，默认值为True，即默认为升序排列。?inplace：默认值为False，表示创建一个新的dataframe，对新的dataframe进行排序操作，不改变原数据。如果其值设置为True，表示直接在源数据集上进行排序操作。

4.5.4Pandas排序操作其主要函数参数说明如下：?kind：用于指定排序算法，一般有三种排序算法：quicksort、mergesort、heapsort，默认值为quicksort（快速排序)），其中Mergesort归并排序是最稳定的算法。?na_position：规定缺失值的排列方式，其取值为{first,last}，默认值为last，即缺失值排在最后面。?by：按照某一列或几列数据进行排序。

4.5.4Pandas排序操作2．使用sort_values()函数按数值进行排序sort_values()函数用于实现按值排序，既可以根据列数据排序，也可根据行数据排序。该函数必须指定