跟艾文学编程《零基础入门学Python》（7）pandas数据分析

作者： 艾文，计算机硕士学位，企业内训讲师和金牌面试官，公司资深算法专家，现就职BAT一线大厂。
 
内容：跟艾文学编程《零基础入门学Python》

学习目标

• Series 和 DataFrame
• 索引对象
• 时间序列
• 类型属性分析

pandas 介绍

pandas是一个Python语言的软件包，在我们使用Python语言进行机器学习编程的时候，这是一个非常常用的基础编程库。本文是对它的一个入门教程。

pandas提供了快速，灵活和富有表现力的数据结构，目的是使“关系”或“标记”数据的工作既简单又直观。它旨在成为在Python中进行实际数据分析的高级构建块。

pandas最核心的就是Series和DataFrame两个数据结构。

这两种类型的数据结构对比如下：

• Series 1维 带有标签的同构类型数组
• DataFrame 2维 表格结构，带有标签，大小可变，且可以包含异构的数据列

DataFrame可以看做是Series的容器，即：一个DataFrame中可以包含若干个Series。

Series

一维的数据结构，数组与字典的组合，有序，但是可以使用非数字下标进行访问

创建Series

• 输入的最后一行： 数据的类型，默认数组int64
• 数据在第二列输出
• 第一列数据索引，在pandas 中index

创建Series 指定index列

创建Series使用dict类型数据

DataFrame

DataFrame：表格，并包含拍好序的列。 也可以简单理解Excel 表格

每列都有不同的数值类型（数字，字符串，布尔）。

DataFrame 有行索引（row index） 和 列索引（col index）

构建DataFrame

通过数据dict 类型，来创建一个DataFrame

DataFrame 自动按照列排序

DataFrame 简单操作

• 如果在已经有的DataFrame 插入一个新字段.不存在的字段（没有该字段对应数据，数据NAN）

• 获取DataFrame 的列

• 获取DataFrame 的某一列／多列

• 取DataFrame 的行数据

Index Ojbects(索引对象)

时间序列

时间序列指能在任何能在时间上观测到的数据。很多时间序列是有固定频率（fixed frequency）的，意思是数据点会遵照某种规律定期出现，比如每15秒，每5分钟，或每个月。时间序列也可能是不规律的（irregular），没有一个固定的时间规律。如何参照时间序列数据取决于我们要做什么样的应用，我们可能会遇到下面这些：

Timestamps（时间戳），具体的某一个时刻

Fixed periods（固定的时期），比如2007年的一月，或者2010年整整一年

Intervals of time（时间间隔），通常有一个开始和结束的时间戳。Periods（时期）可能被看做是Intervals（间隔）的一种特殊形式

Experiment or elapsed time（实验或经过的时间）；每一个时间戳都是看做是一个特定的开始时间（例如，在放入烤箱后，曲奇饼的直径在每一秒的变化程度）1.5.1 日期和时间的数据类型

python 标准包表示时间和日期数据。

• datetime
• time
• calendar

字符串与时间转化

• 日期类型格式化

• pandas 中to_datetime 方法解析很多不同种类的日期表示

• date_range 生成按照日频读的时间戳

类别数据

类别行数据基本操作

有重复部分。我们可以unique和value_counts，从一个数组提取不同的数值，并计算频度

• 不同单词个数

• 每个类别出现次数

DataFrame 分析类型数据

• 查看每个字段类型

• 类别型字符串转化类别对象

让我们一起加油