Python数据处理常用函数大全
Python是一种常用的计算机编程语言，在数据处理中非常方便和实用。Python提供了很多数据处理的函数和模块，比如pandas、numpy等。本文将介绍Python数据处理中常用的函数，供大家参考使用。
一、常用的内置函数
1. len()：计算字符串、列表、元组、字典等的长度。
例如：
str = "hello"
length = len(str)
print(length)
#输出：5
2. sorted()：对可迭代对象进行排序。
例如：
lst = [5, 2, 1, 3, 4]
sorted_lst = sorted(lst)
print(sorted_lst)
#输出：[1, 2, 3, 4, 5]
3. sum()：对可迭代对象求和。
例如：
lst = [1, 2, 3, 4, 5]
total = sum(lst)
print(total)
#输出：15
4. abs()：返回数值的绝对值。
例如：
num = -10
absolute = abs(num)
print(absolute)
#输出：10
5. max()：返回可迭代对象中最大的值。
例如：
lst = [2, 5, 1, 6, 3]
max_num = max(lst)
print(max_num)
#输出：6
6. min()：返回可迭代对象中最小的值。
例如：
lst = [2, 5, 1, 6, 3]
min_num = min(lst)
print(min_num)
#输出：1
7. reversed()：倒序迭代。
例如：
lst = [1, 2, 3, 4, 5]
rev_lst = reversed(lst)
print(list(rev_lst))
#输出：[5, 4, 3, 2, 1]
8. enumerate()：返回可迭代对象的迭代器，同时返回每项的索引和值。
例如：
lst = ['a', 'b', 'c']
for index, val in enumerate(lst):
print(index, val)
#输出：
0 a
1 b
2 c
9. zip()：将可迭代对象中对应的元素打包成一个元组，返回由这些元组组成的可迭代对象。
例如：
lst1 = [1, 2, 3]
lst2 = ['a', 'b', 'c']
zipped = zip(lst1, lst2)
print(list(zipped))
#输出：[(1, 'a'), (2, 'b'), (3, 'c')]
10. all()：判断可迭代对象中的所有元素是否为True。
例如：
lst = [True, 1, 'abc']
result = all(lst)
print(result)
#输出：True
二、常用的pandas函数
1. pd.read_csv()：读取csv文件。
例如：
import pandas as pd
data = pd.read_csv('example.csv')
2. df.head()：返回数据框的前n行。默认为前5行。
例如：
import pandas as pd
data = pd.read_csv('example.csv')
print(data.head())
3. df.tail()：返回数据框的后n行。默认为后5行。
例如：
import pandas as pd
data = pd.read_csv('example.csv')
print(data.tail())
4. df.shape()：返回数据框的行数和列数。
例如：
import pandas as pd
data = pd.read_csv('example.csv')
print(data.shape)
5. df.describe()：返回数据框的基本统计信息。
例如：
import pandas as pd
data = pd.read_csv('example.csv')
print(data.describe())
6. df.dropna()：删除缺失数据。
例如：
import pandas as pd
data = pd.read_csv('example.csv')
data.dropna(inplace=True)
7. df.fillna()：填充缺失数据。
例如：
import pandas as pd
data = pd.read_csv('example.csv')
data.fillna(0, inplace=True)
8. df.groupby()：按照指定列进行分组，返回分组后的数据。
例如：
import pandas as pd
data = pd.read_csv('example.csv')
grouped_data = data.groupby('category')
print(grouped_data)
9. df.merge()：按照指定列进行数据合并。
例如：
import pandas as pd
data1 = pd.read_csv('example1.csv')
data2 = pd.read_csv('example2.csv')
merged_data = pd.merge(data1, data2, on='id')
print(merged_data)
10. df.pivot_table()：创建数据透视表。
例如：
import pandas as pd
data = pd.read_csv('example.csv')
pivot_table = data.pivot_table(index=['category'], columns=['month'], values=['sales'])
print(pivot_table)
三、常用的numpy函数
1. np.array()：将列表转化为数组。
例如：
import numpy as np
lst = [1, 2, 3, 4, 5]
arr = np.array(lst)
print(arr)
2. np.zeros()：创建一个由0组成的n维数组。
例如：
import numpy as np
arr = np.zeros((2, 3))
print(arr)
3. np.ones()：创建一个由1组成的n维数组。
例如：
import numpy as np
arr = np.ones((2, 3))
print(arr)
4. np.arange()：创建一个数列。
例如：
import numpy as np
arr = np.arange(0, 6, 2)
print(arr)
5. np.linspace()：创建一个指定范围内的等差数列。
例如：
import numpy as np
arr = np.linspace(0, 1, 5)
print(arr)
6. np.random.rand()：生成随机数。
例如：
import numpy as np
rand_arr = np.random.rand(5)
print(rand_arr)
7. np.max()：返回数组中最大值。
例如：
import numpy as np
arr = np.array([1, 2, 3, 4, 5])
max_num = np.max(arr)
print(max_num)
8. np.min()：返回数组中最小值。
例如：
import numpy as np
arr = np.array([1, 2, 3, 4, 5])
min_num = np.min(arr)
print(min_num)
9. np.mean()：返回数组的平均值。
例如：
import numpy as np
arr = np.array([1, 2, 3, 4, 5])
mean_num = np.mean(arr)
print(mean_num)
10. np.std()：返回数组的标准差。
例如：
import numpy as np
arr = np.array([1, 2, 3, 4, 5])
std_num = np.std(arr)
print(std_num)
总结：
本文介绍了Python数据处理中常用的函数，包括内置函数、pandas函数和numpy函数。这些函数涵盖了数据处理的大部分方面，可以帮助我们轻松地完成各种数据处理任务。