【Pandas】- pandas入门

文章目录

• ​​1 pandas的数据结构介绍​​

• ​​1.1 Series​​
• ​​1.2 DataFrame​​

• ​​2 基本功能​​

• ​​2.1重要索引​​
• ​​2.2 丢弃指定轴上的项​​
• ​​2.3 索引、选取和过滤​​
• ​​2.4 loc和iloc进行选取​​

1 pandas的数据结构介绍

1.1 Series

说明：Series是一种类似于一维数组的对象，它由一组数据以及一组与之相关的数据标签组成。

1）Service字符串表现形式：索引在左边，值在右边。若没有为数据指定索引，则会自动创建一个0-N-1的整数型索引。

import pandas as pd
from pandas import Series,DataFrame
obj=pd.Series([4,7,-5,3])
print(obj)
'''
0    4
1    7
2   -5
3    3
dtype: int64
'''
print(obj.values)
# [ 4  7 -5  3]
print(obj.index)
#   如何索引：RangeIndex(start=0, stop=4, step=1)
#自己创建索引
obj2=pd.Series([4,7,-5,3],index=['a','b','c','d'])
print(obj2)
'''
a    4
b    7
c   -5
d    3
dtype: int64
'''
# 通过索引获取数组中的值
print(obj2['a'])
# 4
print(obj2[['a','c','d']])
'''
a    4
c   -5
d    3
dtype: int64
'''

2）使用Numpy函数或者类型Numpy的运算，索引值都不会改变

print(obj2[obj2>0])
'''
a    4
b    7
d    3
dtype: int64
'''
print(obj2*2)
'''
a     8
b    14
c   -10
d     6
dtype: int64
'''

3）通过字典可以直接创建Service

sdata={'Ohio':35000,'Texas':71000,'Oregon':16000,'Utah':5000}
obj3=pd.Series(sdata)
# print(obj3)
'''
Ohio      35000
Texas     71000
Oregon    16000
Utah       5000
dtype: int64
'''

在下述例子中，sdata中跟states索引匹配的值会被找出来并放到相应的位置。由于California所对应的sdata值找不到，则结果返回NaN(非数字not a number，用于表示缺失)。而在sdata中的索引值，在states没有，则会被从结果中抹去。

states=['California','Ohio','Oregon','Texas']
obj4=pd.Series(sdata,index=states)
print(obj4)
'''
California        NaN
Ohio          35000.0
Oregon        16000.0
Texas         71000.0
dtype: float64
'''

使用pandas的isnull和notnull用于检测缺少数据：

print(pd.isnull(obj4))
'''
California     True
Ohio          False
Oregon        False
Texas         False
dtype: bool
'''

4）Service还有一个功能是会根据运算的索引标签自动对齐数据

print(obj3)
print(obj4)
print(obj3+obj4)
############################
Ohio      35000
Texas     71000
Oregon    16000
Utah       5000
##########################
California        NaN
Ohio          35000.0
Oregon        16000.0
Texas         71000.0
##########################
California         NaN
Ohio           70000.0
Oregon         32000.0
Texas         142000.0
Utah               NaN

1.2 DataFrame

说明：DataFrame是一个表格型的数据结构。它含有一组有序的列，每列可以是不同值的类型。DataFrame既有行索引也有列索引。

1）建立DataFrame，直接传入一个由等长列表或Numpy数组组成的字典

data={'state':['Ohio','Ohio','Ohio','Nevada','Nevada','Nevada'],
      'year':[2000,2001,2002,2001,2002,2003],
      'pop':[1.5,1.7,3.6,2.4,2.9,3.2]}
frame=pd.DataFrame(data)
print(frame)
    state  year  pop
0    Ohio  2000  1.5
1    Ohio  2001  1.7
2    Ohio  2002  3.6
3  Nevada  2001  2.4
4  Nevada  2002  2.9
5  Nevada  2003  3.2
#对于特别大的数据，使用.head()可以直接取前5行
    state  year  pop
0    Ohio  2000  1.5
1    Ohio  2001  1.7
2    Ohio  2002  3.6
3  Nevada  2001  2.4
4  Nevada  2002  2.9

2）指定列序列，按照指定的顺序进行排列

frame=pd.DataFrame(data,columns=['pop','state','year'])
print(frame)
frame=pd.DataFrame(data,columns=['pop','year'])
print(frame)
   pop   state  year
0  1.5    Ohio  2000
1  1.7    Ohio  2001
2  3.6    Ohio  2002
3  2.4  Nevada  2001
4  2.9  Nevada  2002
5  3.2  Nevada  2003
   pop  year
0  1.5  2000
1  1.7  2001
2  3.6  2002
3  2.4  2001
4  2.9  2002
5  3.2  2003
#若传入的序列在数据中找不到，则返回缺失值NaN
frame=pd.DataFrame(data,columns=['pop','state','year','price'])
print(frame)
   pop   state  year price
0  1.5    Ohio  2000   NaN
1  1.7    Ohio  2001   NaN
2  3.6    Ohio  2002   NaN
3  2.4  Nevada  2001   NaN
4  2.9  Nevada  2002   NaN
5  3.2  Nevada  2003   NaN

3）单独的DaraFrame一列可以看成一个Service

print(frame['state'])
0      Ohio
1      Ohio
2      Ohio
3    Nevada
4    Nevada
5    Nevada
Name: state, dtype: object

4）行也可以通过位置或名称利用loc属性的方式进行获取

print(frame.loc[3])
state    Nevada
year       2001
pop         2.4
Name: 3, dtype: object
#获取1，3行的数据
print(frame.loc[[1,3]])
    state  year  pop
1    Ohio  2001  1.7
3  Nevada  2001  2.4
#取行的同时，指定列数据
print(frame.loc[[1,3],['year','state']])
   year   state
1  2001    Ohio
3  2001  Nevada

5）列可以通过赋值的方式进行修改

frame=pd.DataFrame(data,columns=['state','year','pop','price'])
frame['price']=14500
print(frame)
    state  year  pop  price
0    Ohio  2000  1.5  14500
1    Ohio  2001  1.7  14500
2    Ohio  2002  3.6  14500
3  Nevada  2001  2.4  14500
4  Nevada  2002  2.9  14500
5  Nevada  2003  3.2  14500
#自己分配数据
frame['price']=np.array([a,b])
print(frame)
    state  year  pop price
0    Ohio  2000  1.5     a
1  Nevada  2001  1.7     b

6）使用del删除列

#先添加一个新的布尔值列
frame['eastern']=frame.state=='Ohio'
print(frame)
    state  year  pop price  eastern
0    Ohio  2000  1.5   NaN     True
1  Nevada  2001  1.7   NaN    False
del frame['eastern']
print(frame.columns)
Index(['state', 'year', 'pop', 'price'], dtype='object')

7）DataFrame中导入嵌套的字典

说明：嵌套的字典会被认为，外层字典的键作为列，内层的键作为行索引

pop={'Nevada':{2001:2.4,2002:2.9,2000:2.5},
     'Ohio':{2000:1.5,2001:1.7,2002:3.6}}
frame1=pd.DataFrame(pop)
print(frame1)
      Nevada  Ohio
2001     2.4   1.7
2002     2.9   3.6
2000     2.5   1.5
#进行转置，交行行和列
print((frame1.T))
        2001  2002  2000
Nevada   2.4   2.9   2.5
Ohio     1.7   3.6   1.5

2 基本功能

2.1重要索引

1）reindex，创建一个新对象，它的数据符合新的索引

obj=pd.Series([4.5,.2,-5.3,3.6],index=['d','b','a','c'])
print(obj)
# 根据新的索引值进行重排
obj2=obj.reindex(['a','b','c','d'])
print(obj2)
################
d    4.5
b    0.2
a   -5.3
c    3.6
dtype: float64
#####################
a   -5.3
b    0.2
c    3.6
d    4.5
dtype: float64

2）重新索引会做插值处理，method选项可以完成该目的，“ffill"可以实现向前填充

obj3=pd.Series(['blue','purple','yellow'],index=[0,2,4])
print(obj3)
obj31=obj3.reindex(range(6),method='ffill')
print(obj31)
##########
0      blue
2    purple
4    yellow
######################
0      blue
1      blue
2    purple
3    purple
4    yellow
5    yellow

3）对于DataFrame：reindex可以修改索引的行，列用columns可以重新索引

frame=pd.DataFrame(np.arange(9).reshape(3,3),index=['a','c','d'],columns=['Ohio','Texas','California'])
print(frame)
####################
   Ohio  Texas  California
a     0      1           2
c     3      4           5
d     6      7           8
frame1=frame.reindex(['a','b','c','d'])
print(frame1)
###################
   Ohio  Texas  California
a   0.0    1.0         2.0
b   NaN    NaN         NaN
c   3.0    4.0         5.0
d   6.0    7.0         8.0
frame1=frame.reindex(columns=['Texas','Utah','California'])
print(frame1)
########################
   Texas  Utah  California
a      1   NaN           2
c      4   NaN           5
d      7   NaN           8

2.2 丢弃指定轴上的项

说明：丢弃某条轴上的一个或多个项，只要有一个索引数组或列表即可。drop方法返回的是一个指定轴上删除了指定值的新对象。不过drop属于就地修改对象，不会返回新的对象

1）首先在Service对象上

obj=pd.Series(np.arange(5.),index=['a','b','c','d','e'])
print(obj)
##################
a    0.0
b    1.0
c    2.0
d    3.0
e    4.0
dtype: float64
new_obj=obj.drop('c')
print(new_obj)
##################################
a    0.0
b    1.0
d    3.0
e    4.0
dtype: float64
print(obj.drop(['d','c']))
######################
a    0.0
b    1.0
e    4.0
dtype: float64

2）对于DataFrame也可以删除任意轴上的索引值

data=pd.DataFrame(np.arange(16).reshape(4,4),index=['Ohio','Colorado','Utah','New York'],columns=['one','two','three','four'])
# print(data)
#   用标签序列调用drop会从行标签删除值
print(data.drop(['Colorado','Ohio']))
'''
          one  tow  three  four
Utah        8    9     10    11
New York   12   13     14    15
'''
print(data.drop(['two'],axis=1))
print(data.drop(['two'],axis='columns'))
'''
          one  three  four
Ohio        0      2     3
Colorado    4      6     7
Utah        8     10    11
New York   12     14    15
'''

2.3 索引、选取和过滤

obj=pd.Series(np.arange(4.),index=['a','b','c','d'])
# print(obj)
print(obj['b'])
print(obj[1])
print(obj[2:4]) #左闭右开
print(obj[['b','a','c']])
print(obj[[1,3]])
print(obj[obj<2])
###############
1.0
1.0
c    2.0
d    3.0
dtype: float64
b    1.0
a    0.0
c    2.0
dtype: float64
b    1.0
d    3.0
dtype: float64
a    0.0
b    1.0
dtype: float64

Process finished with exit code 0

2.4 loc和iloc进行选取

说明：loc使用轴标签，iloc使用整数标签

data=pd.DataFrame(np.arange(16).reshape(4,4),index=['Ohio','Colorado','Utah','New York'],columns=['one','two','three','four'])
print(data.loc['Colorado',['two','three']])
print(data.iloc[1,[1,2]])
two      5
three    6
Name: Colorado, dtype: int32