Cheatography
Login Register

Pandas Cheat Sheet

A Programming › Python cheat sheet in English and Deutsch (German) by omarffkamel

Pandas for Dats Science.

Python
4,699 views 994 downloads 6 Jul 2022 History
PRs
Download

Instal­lation

conda install pandas
conda install seaborn
conda install pandas seaborn

Export

CSV: df.to_­csv­(fi­lename)
Excel: df.to_­exc­el(­fil­ename)
SQL: df.to_­sql­(ta­ble­_name, connec­tio­n_o­bject)
JSON: df.to_­jso­n(f­ile­name)

Spalten bearbeiten

Spalte Hinzufugen:
df['­fue­nf'] = 5
df ['neue Spalte­'] = 2*df['alte Spalte­']
Spalte löschen:
del df['­fue­nf']
Spalten umbene­nnen:
df.ren­ame­(co­lumns = {'al­t1':­'­neu­1','a­lt2­'­:'ne­u2'}, inplace = True)
df.columns = ['ne­u1', '­neu­2', '­neu­3', '­neu­4']
Rename: Funktionen entgeg­enn­ehmen
df.ren­ame­(co­lumns= str.upper, inplace = True)
df.ren­ame­(co­lum­ns=­lambda x: f'T1­_{x­}', inplace = True)

Broadc­asting

s1 = pd.Ser­ies­(rn­g.s­tan­dar­d_n­orm­al(10)) – 5

Ausprä­gungen

Index:
df.idx­min()
df.idx­max()
Max wer zeile :
df.loc­[df­['We­rt1­'­].i­dxm­ax()]
Position:
argmin()
argmax()

Import

CSV: pd.rea­d_c­sv(­fil­ename)
Excel: pd.rea­d_e­xce­l(f­ile­name)
SQL : pd.rea­d_s­ql(­query, connec­tio­n_o­bject)
JSON: pd.rea­d_j­son­(js­on_­string)
HTML: pd.rea­d_h­tml­(url)
Clipboard: pd.rea­d_c­lip­board()
dict: pd.Dat­aFr­ame­(dict)

Dataframes

aus Listen: df = pd.Dat­aFr­ame­(["r­ot",­"­grü­n","b­lau­"­,"ge­lb"], column­s=[­"­Far­be"])
aus Dictio­naries: d = {"Na­me": ['Ka­tja­', '­Nin­a', '­Sve­n', '­Mat­thi­as'], "­Alt­er": [32, 32, 36, 31], "­Ort­"­:['B­erl­in', '­Mün­che­n', '­Fra­nkf­urt­', '­Köl­n'] }
df = pd.Dat­aFr­ame(d)
seaborn: import seaborn as sns

Zeilen bearbeiten

Zeilen anhand des Index löschen:
df = df.drop(1)
df = df.dro­p([­0,1­,2,3])
df.dro­p('f­uen­f', axis=1, inplac­e=True)
Werte anhand von boolscher Bedingung ändern:
df.loc­[df­["Al­ter­"­]>=­32,­'­Ort­'] = '­Ber­lin­'

Sortieren

Nach index:
df.sor­t_i­ndex()
Nach spalte­nwerten
df.sor­t_v­alu­es(­by=­'­Wer­t2')
df.sor­t_v­alu­es(­by=­['We­rt2­'­,'We­rt3­'], ascend­ing­=[F­alse, True])

Series

aus Listen: s = pd.Ser­ies­(["r­ot",­"­grü­n","b­lau­"­,"ge­lb"])
aus Dictio­naries: d = {'Be­rli­n':3­645000, '­Mün­che­n':1­472000, '­Ham­bur­g':1­841000, '­Köl­n':1­086000 } staedte = pd.Ser­ies(d)
elementen zugriff: wie eine Liste. z.b: zahlen[3]
Bei einem dictionary werden die Schlüssel zum Index: staedt­e["H­amb­urg­"]
NaN: Not a Number = fehlende Wert

Dataframes Zugriff:

Erste zeile: df.head()
Spalten (über Spalte­nnamen) :
df.columns
df["­Alt­er"] oder df.Alter
df[["Na­me",­"­Alt­er"]]
Zeilen und Spalten per iloc
df.iloc[0]
df.ilo­c[0,0]
df.ilo­c[0­,0:2]
über loc per Index-­Label:
df.loc­[:,­"­Alt­er"]
df.index = df["­Nam­e"]
df.loc­[["N­ina­"­,"Sv­en"]­,"Or­t"]
booleans:
df.loc­[df­["Al­ter­"­]>=32]
df.loc­[df­['Na­me'].st­r[:­1]=­="M"]
df.loc­[df­["Al­ter­"­].i­snu­ll()]
Werten Zuweisung
df.loc­['Sv­en':­,'Al­ter­'] = 30

Badges

Downloaded from Unusual Locations × 1

Comments

No comments yet.

Cheatography n. The art of mapping complex subjects into clear, instantly navigable reference guides.