【Python】pandasの使い方

import pandas as pd

# CSVの一番省略系
df = pd.read_csv('ファイルPATH')

# CSV　エンコーディング指定
df = pd.read_csv('ファイルPATH', encoding='utf_8_sig')

# TXT　いろいろ引数
df = pd.read_table('ファイルPATH', sep=',', encoding='utf_8_sig')

# ヘッダーが無い場合
df = pd.read_csv('ファイルPATH', encoding='utf_8_sig', header=None, names=['user_id', 'name'])
※namesは省略出来る。省略すると１，２とかになる

# EXCELの一番省略系
df = pd.read_excel('ファイルPATH')

# EXCEL　読み込むシート名の指定
df = pd.read_excel('ファイルPATH', sheet_name='シート名')

# EXCELで書き出し
df.to_excel('保存ファイル名.xlsx')

# CSVで書き出し
df.to_csv('保存ファイル名.csv')

# 出力データにインデックスを含めない場合は、index=Falseを指定
df.to_excel('保存ファイル名.xlsx', index=False)
df.to_csv('保存ファイル名.csv', index=False)

# CSVのエンコーディングを指定する場合(デフォルトはUTF-8)
df.to_csv('保存ファイル名.csv', encoding='utf_8')
df.to_csv('保存ファイル名.csv', encoding='shift-jis')
df.to_csv('保存ファイル名.csv', encoding='cp932')

# 最初の５行
df.head()

# 最初から◯行（◯に行数指定）
df.head(◯)

# 末尾の５行
df.tail()

# 末尾の◯行（◯に行数指定）
df.tail(◯)

# 列数の表示設定
pd.set_option('display.max_columns', 300)

# 行数の表示設定
pd.set_option('display.max_rows', 300)

# データの要約
df.info()

# データの基本統計量
df.describe()

# 列項目の一覧
df.columns

# 行項目の一覧
df.index

# 行数取得する
len(df)

# 行・列数を取得
df.shape

# 型の取得
df.dtypes

# 統計量の確認(全体)
df.describe()

# 統計量の確認(指定のカラムのみ)
df['カラム名'].describe() #seriesに対して実行する

# 最大値
df.max()

#最大値(指定のカラムのみ)
df['カラム名'].max() #seriesに対して実行する

# 最小値
df.min()

#最小値(指定のカラムのみ)
df['カラム名'].min() #seriesに対して実行する

# 個数
df.count()

# 個数(指定のカラムのみ)
df['カラム名'].count() #seriesに対して実行する

# 欠損値の数を数える
df.isna().sum()
df.isnull().sum()


# 欠損値のある行を取り除く（how='all'は省略可）
df = df.dropna(how='all') #新しいdfが出来るので入れ替える

# 欠損値のある列を取り除く（how='all'は省略可）
df = df.dropna(how='all', axis=1) #新しいdfが出来るので入れ替える

# 全て欠損値の行を取り除く
df = df.dropna(how='all') #新しいdfが出来るので入れ替える

# 全て欠損値の列を取り除く
df = df.dropna(how='all', axis=1)

# 全て欠損値の行・列を取り除く
df = df.dropna(how='all').dropna(how='all', axis=1)

# 列を指定して欠損値の行を取り除く(name列を指定)
df = df.dropna(subset=['name'])

# 指定した列のいずれかが欠損値の行を取り除く(name列とagete列を指定)
df = df.dropna(subset=['name', 'age'])

# 指定した列全てが欠損値の行を取り除く(name列とagete列を指定)
df = df.dropna(subset=['name', 'age'], how='all')

# 欠損値を穴埋めする
df = df.fillna({"列名１":置換え値, "列名２":置換え値, "列名３":置換え値,.....})

# id列の999番のデータにする
df_new = df_old.loc[df_old['id'] == '999']

# id列が１か２のデータにする「|」はあるいは
df_new = df_old.loc[(df_old['id']==1) | (order_data['id']=2)]

# インデックスがTaroでカラムがageの要素
df.loc['Taro','age']

# インデックスがTaroからHanakoでカラムがageの要素
df.loc['Taro':'Hanako','age']

# インデックスがTaroでカラムがageからaddressの要素
df.loc['Taro','age':'address']

# id列全部
df_new = df_old.loc[:, ['id']]

# id列の999番以外のデータにする
df_new = df_old.loc[df_old['id'] != '999']

# カラム名1・カラム名2・カラム名3・カラム名4のデータだけにする
df_new = df_old[['カラム名1', 'カラム2', 'カラム3', 'カラム名4']]

# 指定の文字を除去する
df['カラム名'] = df['カラム名'].str.replace("取り除きたい文字列", "")

# 縦に結合
df_all = pd.concat([df1, df2], ignore_index=True)

# 参照カラム名が０の場合と１の場合で、新しいカラム名の入力値を変更する
df.loc[df['参照カラム名'] == 0, '新しいカラム名'] = '0だったよ'
df.loc[df['参照カラム名'] == 1, '新しいカラム名'] = '1だったよ'

df_new = df.rename(columns={'A': 'Col_1'}, index={'ONE': 'Row_1'})

# id列とcd列をstr型に変換する
df[['id', 'cd']] = df[['id', 'cd']].astype(str)

# 日付型に変換
df['date'] = pd.to_datetime(df['date'])

# 表示形式の変換
df['date'] = pd.to_datetime(df["date"]).dt.strftime("%Y/%m/%d")

# 「20200405」みたいに数字だけの形式の日付の変換
df['年月日'] = pd.to_datetime(df["20200405の入ってる列名"], format='%Y%m%d')

# 月ごとに集計する（'month'は年月列）
df_month_data = df.groupby('month')

# dfを月ごと、エリアごとに集計。値はamount、集計方法は平均
piv_data = pd.pivot_table(df, index='month', columns='area', values='amount', aggfunc='mean')

list = df['指定のカラム'].tolist()