Hướng dẫn doc file csv trong jupyter notebook
Nếu bạn bắt đầu tìm hiểu và làm việc dữ liệu dạng bảng trong Python, thì nhiều khả năng bạn sẽ bắt đầu với thư viện tên là Pandas, bởi vì Pandas là một thư viện giúp bạn làm việc với dữ liệu rất thuận tiện và hiệu quả, nhiều công việc xử lý dữ liệu bạn sẽ mất công viết ra rất nhiều code trong các công cụ khác, nhưng với Pandas, bạn chỉ cần viết 1 dòng. Show
Bài viết này sẽ như một bảng tóm tắt về các đoạn code Pandas hay sử dụng trong việc xử lý dữ liệu với Python để bạn có thể tra cứu nhanh bằng cách tìm kiếm, hãy bookmark lại bài viết để có thể tiện tra cứu ngay khi cần. Nếu bạn đang tìm kiếm cách để có thể tự động hóa Excel từ Python, hãy tham khảo khóa học Lập trình tương tác Python Excel chìa khóa tối ưu công việc Xem nhanh Lưu ý trước khi bắt đầuNhư đã nói, bạn có thể bookmark lại bài viết này vào trình duyệt yêu thích của bạn, khi cần tìm một đoạn code nào đó, bạn có thể bấm Ctrl + F hoặc ⌘ + F (trên Mac) Để sử dụng được các đoạn code trong bài này, chúng ta có phần import như sau
và chúng ta có các đối tượng với tên ngắn gọn như sau:
Cách đọc dữ liệu trong Pandas PythonCác câu lệnh trong phần này giúp bạn có thể load hay import dữ liệu từ nhiều nguồn và nhiều dạng dữ liệu khác nhau Cách đọc dữ liệu từ một file CSV
Cách đọc dữ liệu từ một file TSV
Cách đọc dữ liệu từ một file Excel
Cách đọc dữ liệu từ một cơ sở dữ liệu SQL
Cách đọc dữ liệu từ nguồn JSON (file, string hoặc URL)
Cách đọc dữ liệu từ nguồn HTML (file, string hoặc URL)
Cách đọc dữ liệu từ Clipboard
Nội dung của Clipboard sẽ được chuyển tới
7 Cách đọc dữ liệu từ kiểu từ điển trong Python
Cách xuất dữ liệu từ Pandas DataFrameTrong phần này, chúng ta sẽ tổng hợp một số cách xuất dữ liệu từ Pandas DataFrame ra một số nguồn thông dụng Cách xuất dữ liệu từ DataFrame ra file CSV
Cách xuất dữ liệu từ DataFrame ra file Excel
0 Cách xuất dữ liệu từ DataFrame ra SQL
1 Cách xuất dữ liệu từ DataFrame ra JSON
2 Cách tạo ra dữ liệu testNhững dòng code trong phần này sẽ giúp bạn tạo ra dữ liệu test với sự giúp đỡ của thư viện Numpy Cách tạo bảng dữ liệu test với Numpy và PandasĐoạn code này sẽ tạo ra một bảng gồm 23 dòng và 4 cột, được điền vào những giá trị ngẫu nhiên từ Numpy
3 Cách tạo ra series từ một list
4 Cách thêm index là cột ngày tháng
5 Cách xem và kiểm tra dữ liệuNhững câu lệnh trong phần này sẽ giúp bạn kiểm tra DataFrame hoặc Series trong Panda theo một vị trí cụ thể. Cách xem n dòng đầu tiên của DataFrame
6 Cách xem n dòng cuối cùng của DataFrame
7 Cách lấy số dòng số cột của DataFrame
8 Cách lấy số dòng số cột của DataFrame
8 Xem thông tin về Index, kiểu dữ liệu và dung lượng của DataFrame
0 Tổng kết thông tin thống kê cho các cột có kiểu dữ liệu là số
1 Xem giá trị duy nhất và đếm số giá trị này, đếm cả trường hợp NALưu ý Áp dụng cho đối tượng Series
2 Tổng kết giá trị duy nhất và đếm cho tất cả các cột
3 Trích xuất một phần dữ liệu trong Pandas DataFrameNhững câu lệnh trong phần này sẽ giúp bạn trích xuất dữ liệu từ DataFrame hoặc Series trong Pandas Trả về một cột của DataFrame dưới dạng SeriesTrả về cột có label là col như một Series
4 Trả về các cột trong danh sách dưới dạng một DataFrame mới
5 Chọn dữ liệu theo vị trí
6 Chọn dữ liệu theo index
7 Chọn dữ liệu ở dòng đầu tiên
8 Chọn dữ liệu ở dòng đầu tiên, ô thứ nhất của DataFrame
9 Cách làm sạch dữ liệu trong Pandas DataFrameCác đoạn code trong phần này sẽ giúp bạn xử lý và làm sạch dữ liệu Đổi tên các cột trong DataFrame theo thứ tự
0 Kiểm tra dữ liệu với giá trị null
1 Kiểm tra dữ liệu với giá trị khác null
2 Cách bỏ toàn bộ dòng có dữ liệu null
3 Cách bỏ toàn bộ cột có dữ liệu null
4 Cách bỏ các dòng có nhiều hơn n giá trị null
5 Cách thay toàn bộ giá trị null bằng giá trị x
6 Cách thay toàn bộ giá trị null bằng giá trị khácThay giá trị null trong Series bởi giá trị mean của các giá trị trong Series (mean có thể thay được bởi các hàm khác trong module statistics của Python)
7 Cách chuyển đổi kiểu dữ liệu của Series sang Float
8 Cách thay giá trị này bởi giá trị khácThay tất cả các giá trị bằng
8 bởi
9
9 Cách thay nhiều giá trị cùng lúc
0 Cách đổi tên cột hàng loạt bằng lambda
1 Cách đổi tên cột cụ thể trong DataFrame
2 Cách đổi index trong DataFrame
3 Cách đổi index hàng loạt trong DataFrame
4 Cách lọc, sắp xếp, nhóm dữ liệu trong Pandas DataFrameCác câu lệnh trong phần này sẽ giúp bạn thực hiện các thao tác lọc, sắp xếp hay nhóm dữ liệu trong DataFrame một cách dễ dàng Lọc dữ liệu theo điều kiệnLọc ra các dòng thỏa mãn điều kiện
0 lớn hơn
1
5 Lọc ra các dòng thỏa mãn điều kiện: có giá trị cột
0 trong khoảng
3 đến
4
6 Sắp xếp dữ liệuSắp xếp dữ liệu trong cột
5 theo chiều thuận (ascending)
7 Sắp xếp dữ liệu trong cột
6 theo chiều nghịch (descending)
8 Sắp xếp
5 theo chiều thuận và
6 theo chiều nghịch
9 Nhóm dữ liệu, pivot dữ liệu với groupbyPivot dữ liệu theo
5
0 Pivot dữ liệu theo nhiều cột
5,
6 Pivot dữ liệu với pivot_table trong DataFrameTạo một Pivot Table, nhóm dữ liệu theo cột
5, tính mean của
6,
4
1 Tính mean của tất cả các cột
2 Tính max mỗi dòngÁp dụng hàm np.max() cho mỗi dòng dữ liệu
3 Nối dữ liệu, gộp dữ liệu bằng Pandas DataFrameNối dữ liệu DataFrame theo chiều dọcNối các dòng của
5 xuống dưới
6 (Số lượng các cột trong 2 DataFrames này phải giống nhau)
4 Nối dữ liệu DataFrame theo chiều ngangNối các cột của
5 sang phải các cột của
6 (Số lượng các dòng trong 2 DataFrames này phải giống nhau)
5 Join dữ liệu 2 DataFrames theo kiểu SQL
6 Join 2 DataFrame
5 và
6 theo cột chung
5, kiểu Join là
2. Ngoài ra còn hỗ trợ các kiểu join:
3,
4,
5 Thống kê dữ liệu bằng Pandas DataFrameThống kê dữ liệu cho các cột số
1 Tính mean cho tất cả các cột
8 Tính correlation giữa các cột
9 Đếm số giá trị không null cho các cột
0 Tìm giá trị lớn nhất cho mỗi cột
1 Tìm giá trị nhỏ nhất cho mỗi cột
2 Tìm giá trị median cho mỗi cột
3 Tìm giá trị độ lệch tiêu chuẩn cho mỗi cột
4 Hi vọng với bài viết này, Thanh sẽ giúp bạn làm việc dễ dàng hơn với DataFrame trong Pandas. Đừng quên tham khảo khóa học Lập trình tương tác Python Excel chìa khóa tối ưu công việc |