pandas
为什么学习pandas
- numpy已经可以帮助我们进行数据的处理了，那么学习pandas的目的是什么呢？
- numpy能够帮助我们处理的是数值型的数据，当然在数据分析中除了数值型的数据还有好多其他类型的数据（字符串，时间序列），那么pandas就可以帮我们很好的处理除了数值型的其他数据！
什么是pandas？
- 首先先来认识pandas中的两个常用的类
- Series
- DataFrame
Series
-
Series是一种类似与一维数组的对象，由下面两个部分组成：
- values：一组数据（ndarray类型）
- index：相关的数据索引标签
-
Series的创建
- 由列表或numpy数组创建
- 由字典创建
from pandas import Series
s = Series(data=[127,2,3,'regina'])
为什么需要有显示索引？
答：显示索引可以增强Series 的可读性
还可以直接引入字典：
Series的索引和切片
s[0] --> regina
s.姓名 --> regina
s[0:2] -->
姓名 regina
年龄 23
dtype: object
- Series的常用属性
- shape
- size
- index 返回索引
- values 返回值
s.shape
s.size
s.index #返回索引
s.values #返回值
s.dtype #元素的类型
-
Series的常用方法
-
head(),tail()
这里的head和tail默认是5，tail显示最后n个数据
-
unique() 去重
-
isnull(),notnull()
-
add() sub() mul() div()
只有索引一致的数据才可以相加
同时也只有数据类型一样的才能相加
-
DataFrame
-
DataFrame是一个【表格型】的数据结构。DataFrame由按一定顺序排列的多列数据组成。设计初衷是将Series的使用场景从一维拓展到多维。DataFrame既有行索引，也有列索引。
- 行索引：index
- 列索引：columns
- 值：values
-
DataFrame的创建
-
ndarray创建
-
字典创建
-
-
DataFrame的属性
- values、columns、index、shape
============================================
练习：
根据以下考试成绩表，创建一个DataFrame，命名为df：
regina ivanlee 语文 150 0 数学 150 0 英语 150 0 理综 300 0============================================
-
DataFrame索引操作
df = DataFrame(data=np.random.randint(60,100,size=(5,5)),columns=['A','B','C','D','E'],index=[1,2,3,4,5])
-
对行进行索引
-
iloc: 通过隐式索引取行 (不根据所定义的index取值)
取单个元素：
df.iloc[,] -
loc: 通过显示索引取行
-
-
队列进行索引
df['A']#取单列，如果df有显示的索引，通过索引机制去行或者列的时候只可以使用显示索引
-
对元素进行索引
取多个元素：
-
-
DataFrame的切片操作
- 对行进行切片
- 对列进行切片
-
df索引和切片操作
-
索引：
- df[col]:取列
- df.loc[index]:取行
- df.iloc[index,col]:取元素
-
切片：
-
df[index1:index3]:切行
-
df.iloc[:,col1:col3]:切列
-
-
DataFrame的计算与Series一致
-
时间数据类型的转换
-
pd.to_datetime(col)
dic = { 'time':['2010-10-10','2011-11-20','2020-01-10'], 'temp':[33,31,30] } df = DataFrame(data=dic) df['time'].dtype = 'O' import pandas as pd #将time列的数据类型转换成时间序列类型 df['time'] = pd.to_datetime(df['time']) df['time']
-
-
将某一列设置为行索引
-
df.set_index()
上图中的索引是隐式索引的012，如果要将time列作为行索引
#将time列作为源数据的行索引 df.set_index('time',inplace=True)
-