首页 > 其他分享 >pandas基础使用

pandas基础使用

时间：2024-01-02 22:33:07浏览次数：35  
标签：df 基础 DataFrame pd 使用 print data pandas

pandas

pandas介绍

Pandas 是一个开源的数据分析和数据处理库，它是基于 Python 编程语言的。

Pandas 提供了易于使用的数据结构和数据分析工具，特别适用于处理结构化数据，如表格型数据（类似于Excel表格）。

Pandas 是数据科学和分析领域中常用的工具之一，它使得用户能够轻松地从各种数据源中导入数据，并对数据进行高效的操作和分析。

Pandas 主要引入了两种新的数据结构：DataFrame 和 Series

  • Series： 类似于一维数组或列表，是由一组数据以及与之相关的数据标签（索引）构成。Series 可以看作是 DataFrame 中的一列，也可以是单独存在的一维数据结构。

  • DataFrame： 类似于一个二维表格，它是 Pandas 中最重要的数据结构。DataFrame 可以看作是由多个 Series 按列排列构成的表格，它既有行索引也有列索引，因此可以方便地进行行列选择、过滤、合并等操作。

Pandas 提供了丰富的功能，包括：

  • 数据清洗：处理缺失数据、重复数据等。
  • 数据转换：改变数据的形状、结构或格式。
  • 数据分析：进行统计分析、聚合、分组等。
  • 数据可视化：通过整合 Matplotlib 和 Seaborn 等库，可以进行数据可视化。

pandas安装

  1. 安装python

    官网下载/docker安装

  2. 安装pandas

    pip install pandas

    验证使用：

    import pandas as pd
pd.__version__

pandas series

结构

  • 索引： 每个 Series 都有一个索引，它可以是整数、字符串、日期等类型。如果没有显式指定索引，Pandas 会自动创建一个默认的整数索引。
  • 数据类型： Series 可以容纳不同数据类型的元素，包括整数、浮点数、字符串等。
pandas.Series( data, index, dtype, name, copy)

## data：一组数据(ndarray 类型)。
## index：数据索引标签，如果不指定，默认从 0 开始。
## dtype：数据类型，默认会自己判断。
## name：设置名称。
## copy：拷贝数据，默认为 False。

实例

  1. 使用series

    import pandas as pd

a = [1, 2, 3]
myvar = pd.Series(a)
print(myvar)
print(myvar[1])

    输出为：

    pyPandasSeriesStruct

  2. 使用pd.Series设置索引

    import pandas as pd

a = ["Google", "Runoob", "Wiki"]
myvar = pd.Series(a, index = ["x", "y", "z"])
print(myvar)
print(myvar["y"])

  3. 通过字典来创建

    import pandas as pd

sites = {1: "Google", 2: "Runoob", 3: "Wiki"}
myvar = pd.Series(sites)
print(myvar)

myvar = pd.Series(sites, index = [1, 2], name="RUNOOB-Series-TEST" )
print(myvar)

myvar = pd.Series(sites, index = [1, 2], name="RUNOOB-Series-TEST" )
print(myvar)

基本操作

  • 基本操作

    ## 获取值
value = series[2]  ## 获取索引为2的值

## 获取多个值
subset = series[1:4]  ## 获取索引为1到3的值

## 使用自定义索引
value = series_with_index['b']  ## 获取索引为'b'的值

## 索引和值的对应关系
for index, value in series_with_index.items():
    print(f"Index: {index}, Value: {value}")

  • 基本运算

    ## 算术运算
result = series * 2  ## 所有元素乘以2

## 过滤
filtered_series = series[series > 2]  ## 选择大于2的元素

## 数学函数
import numpy as np
result = np.sqrt(series)  ## 对每个元素取平方根

  • 属性和方法

    ## 获取索引
index = series_with_index.index

## 获取值数组
values = series_with_index.values

## 获取描述统计信息
stats = series_with_index.describe()

## 获取最大值和最小值的索引
max_index = series_with_index.idxmax()
min_index = series_with_index.idxmin()

  • 注意事项

    • Series 中的数据是有序的。
    • 可以将 Series 视为带有索引的一维数组。
    • 索引可以是唯一的，但不是必须的。
    • 数据可以是标量、列表、NumPy 数组等。

pandas dataframe

dataframe结构

  • 列和行： DataFrame 由多个列组成，每一列都有一个名称，可以看作是一个 Series。同时，DataFrame 有一个行索引，用于标识每一行。
  • 二维结构： DataFrame 是一个二维表格，具有行和列。可以将其视为多个 Series 对象组成的字典。
  • 列的数据类型： 不同的列可以包含不同的数据类型，例如整数、浮点数、字符串等。
pandas.DataFrame( data, index, columns, dtype, copy)

# data：一组数据(ndarray、series, map, lists, dict 类型)。
# index：索引值，或者可以称为行标签
# columns：列标签，默认为 RangeIndex (0, 1, 2, …, n) 
# dtype：数据类型，默认会自己判断。
# copy：拷贝数据，默认为 False。

dataframe实例

  1. 使用dataframe

    import pandas as pd

data = [['Google',10],['Runoob',12],['Wiki',13]]
df = pd.DataFrame(data,columns=['Site','Age'])
print(df)

  2. 使用ndarrays创建

    import pandas as pd

data = {'Site':['Google', 'Runoob', 'Wiki'], 'Age':[10, 12, 13]}
df = pd.DataFrame(data)
print (df)

  3. 通过字典来创建

    import pandas as pd

data = [{'a': 1, 'b': 2},{'a': 5, 'b': 10, 'c': 20}]
df = pd.DataFrame(data)
print (df)

    没有对应的部分数据为 NaN。

  4. 通过loc返回指定行
    Pandas 可以使用 loc 属性返回指定行的数据，如果没有设置索引，第一行索引为 0，第二行索引为 1，以此类推

    import pandas as pd

data = {
  "calories": [420, 380, 390],
  "duration": [50, 40, 45]
}

# 数据载入到 DataFrame 对象
df = pd.DataFrame(data)

# 返回第一行
print(df.loc[0])
# 返回第二行
print(df.loc[1])

# 返回第一行和第二行
print(df.loc[[0, 1]])

# 指定索引
print(df.loc["duration"])

  5. pd.DataFrame指定索引

    import pandas as pd
data = {
  "calories": [420, 380, 390],
  "duration": [50, 40, 45]
}

df = pd.DataFrame(data, index = ["day1", "day2", "day3"])
print(df)

dataframe基本操作

  • 基本操作

    # 获取列
name_column = df['Name']

# 获取行
first_row = df.loc[0]

# 选择多列
subset = df[['Name', 'Age']]

# 过滤行
filtered_rows = df[df['Age'] > 30]

  • 数据操作

    # 添加新列
df['Salary'] = [50000, 60000, 70000]

# 删除列
df.drop('City', axis=1, inplace=True)

# 排序
df.sort_values(by='Age', ascending=False, inplace=True)

# 重命名列
df.rename(columns={'Name': 'Full Name'}, inplace=True)

  • 属性和方法

    # 获取列名
columns = df.columns

# 获取形状（行数和列数）
shape = df.shape

# 获取索引
index = df.index

# 获取描述统计信息
stats = df.describe()

  • 外部数据源创建

    # 从CSV文件创建 DataFrame
df_csv = pd.read_csv('example.csv')

# 从Excel文件创建 DataFrame
df_excel = pd.read_excel('example.xlsx')

# 从字典列表创建 DataFrame
data_list = [{'Name': 'Alice', 'Age': 25}, {'Name': 'Bob', 'Age': 30}]
df_from_list = pd.DataFrame(data_list)

  • 注意事项

    • DataFrame 是一种灵活的数据结构，可以容纳不同数据类型的列。
    • 列名和行索引可以是字符串、整数等。
    • DataFrame 可以通过多种方式进行数据选择、过滤、修改和分析。
    • 通过对 DataFrame 的操作，可以进行数据清洗、转换、分析和可视化等工作。

pandas CSV

介绍

CSV（Comma-Separated Values，逗号分隔值，有时也称为字符分隔值，因为分隔字符也可以不是逗号），其文件以纯文本形式存储表格数据（数字和文本）。

CSV 是一种通用的、相对简单的文件格式，被用户、商业和科学广泛应用。

  1. 处理csv
    Pandas 可以很方便的处理 CSV 文件

    import pandas as pd
df = pd.read_csv('site.csv')
print(df.to_string())

  2. 存储csv
    可以使用 to_csv() 方法将 DataFrame 存储为 csv 文件

    import pandas as pd

# 三个字段 name, site, age
nme = ["Google", "Runoob", "Taobao", "Wiki"]
st = ["www.google.com", "www.runoob.com", "www.taobao.com", "www.wikipedia.org"]
ag = [90, 40, 80, 98]
# 字典
dict = {'name': nme, 'site': st, 'age': ag}
df = pd.DataFrame(dict)

# 保存 dataframe
df.to_csv('site.csv')

数据处理

head(n) 方法用于读取前面的 n 行，如果不填参数 n ，默认返回 5 行。

import pandas as pd

df = pd.read_csv('nba.csv')
print(df.head())

print(df.head(10))

tail()

tail(n) 方法用于读取尾部的 n 行，如果不填参数 n ，默认返回 5 行，空行各个字段的值返回 NaN。

import pandas as pd

df = pd.read_csv('nba.csv')
print(df.tail())

print(df.tail(10))

info()

info() 方法返回表格的一些基本信息：

import pandas as pd

df = pd.read_csv('nba.csv')
print(df.info())

Pandas JSON

JSON（JavaScript Object Notation，JavaScript 对象表示法），是存储和交换文本信息的语法，类似 XML。

JSON 比 XML 更小、更快，更易解析，更多 JSON 内容可以参考 JSON 教程。

Pandas 可以很方便的处理 JSON 数据

普通JSON处理

import pandas as pd

df = pd.read_json('sites.json')
print(df.to_string())

URL = 'https://static.runoob.com/download/sites.json'
df = pd.read_json(URL)
print(df)

JSON 对象与 Python 字典具有相同的格式，所以我们可以直接将 Python 字典转化为 DataFrame 数据

内嵌JSON处理

使用 json_normalize() 方法将内嵌的数据完整的解析出来

import pandas as pd
import json

# 使用 Python JSON 模块载入数据
with open('nested_list.json','r') as f:
    data = json.loads(f.read())

# 展平数据
df_nested_list = pd.json_normalize(data, record_path =['students'])
print(df_nested_list)

更加复杂的数据

import pandas as pd
import json

# 使用 Python JSON 模块载入数据
with open('nested_mix.json','r') as f:
    data = json.loads(f.read())
    
df = pd.json_normalize(
    data, 
    record_path =['students'], 
    meta=[
        'class',
        ['info', 'president'], 
        ['info', 'contacts', 'tel']
    ]
)

print(df)

读取内嵌JSON中的一组数据

使用 glom 模块来处理数据套嵌，glom 模块允许我们使用 . 来访问内嵌对象的属性

  • 安装glom

    pip3 install glom

  • 使用

    import pandas as pd
from glom import glom

df = pd.read_json('nested_deep.json')

data = df['students'].apply(lambda row: glom(row, 'grade.math'))
print(data)

数据清洗

使用数据

清洗空值

如果我们要删除包含空字段的行，可以使用 dropna() 方法，语法格式如下：

DataFrame.dropna(axis=0, how='any', thresh=None, subset=None, inplace=False)

# axis：默认为 0，表示逢空值剔除整行，如果设置参数 axis＝1 表示逢空值去掉整列。
# how：默认为 'any' 如果一行（或一列）里任何一个数据有出现 NA 就去掉整行，如果设置 how='all' 一行（或列）都是 NA 才去掉这整行。
# thresh：设置需要多少非空值的数据才可以保留下来的。
# subset：设置想要检查的列。如果是多个列，可以使用列名的 list 作为参数。
# inplace：如果设置 True，将计算得到的值直接覆盖之前的值并返回 None，修改的是源数据。

可以通过 isnull() 判断各个单元格是否为空。

在pandas.read_csv中可以指定na_values来指定空值

import pandas as pd

df = pd.read_csv('property-data.csv')

print(df['NUM_BEDROOMS'])
print(df['NUM_BEDROOMS'].isnull())

# 指定空数据
missing_values = ["n/a", "na", "--"]
df = pd.read_csv('property-data.csv', na_values = missing_values)

print (df['NUM_BEDROOMS'])
print (df['NUM_BEDROOMS'].isnull())

# 删除空数据
new_df = df.dropna()
print(new_df.to_string())

# 修改原DataFrame
df.dropna(inplace = True)
print(df.to_string())

# 移除指定有空值的行
df.dropna(subset=['ST_NUM'], inplace = True)
print(df.to_string())

使用fillna()替换空值

替换空单元格的常用方法是计算列的均值、中位数值或众数。

Pandas使用 mean()、median() 和 mode() 方法计算列的均值（所有值加起来的平均值）、中位数值（排序后排在中间的数）和众数（出现频率最高的数）。

import pandas as pd

df = pd.read_csv('property-data.csv')

# 使用 12345 替换空字段
df.fillna(12345, inplace = True)
print(df.to_string())

# 使用均值替换空字段
x = df["ST_NUM"].mean()
df["ST_NUM"].fillna(x, inplace = True)
print(df.to_string())

# 使用中位数替换空字段
x = df["ST_NUM"].median()
df["ST_NUM"].fillna(x, inplace = True)
print(df.to_string())

# 使用众数替换空字段
x = df["ST_NUM"].mode()
df["ST_NUM"].fillna(x, inplace = True)
print(df.to_string())

清洗格式错误

数据格式错误的单元格会使数据分析变得困难，甚至不可能。

我们可以通过包含空单元格的行，或者将列中的所有单元格转换为相同格式的数据。

import pandas as pd

# 第三个日期格式错误
data = {
  "Date": ['2020/12/01', '2020/12/02' , '20201226'],
  "duration": [50, 40, 45]
}
df = pd.DataFrame(data, index = ["day1", "day2", "day3"])

df['Date'] = pd.to_datetime(df['Date'])
print(df.to_string())

清洗错误数据

import pandas as pd

person = {
  "name": ['Google', 'Runoob' , 'Taobao'],
  "age": [50, 200, 12345]    
}

df = pd.DataFrame(person)

# 直接修改数据
df.loc[2, 'age'] = 30

# 循环判断
for x in df.index:
  if df.loc[x, "age"] > 120:
    df.loc[x, "age"] = 120

# 删除行
for x in df.index:
  if df.loc[x, "age"] > 120:
    df.drop(x, inplace = True)

print(df.to_string())

清洗重复数据

如果我们要清洗重复数据，可以使用 duplicated() 和 drop_duplicates() 方法。

如果对应的数据是重复的，duplicated() 会返回 True，否则返回 False。

import pandas as pd

person = {
  "name": ['Google', 'Runoob', 'Runoob', 'Taobao'],
  "age": [50, 40, 40, 23]  
}
df = pd.DataFrame(person)

# 查找重复数据
print(df.duplicated())

# 删除重复数据
df.drop_duplicates(inplace = True)
print(df)

标签：df,基础,DataFrame,pd,使用,print,data,pandas
From： https://www.cnblogs.com/dreaife/p/17941517

相关文章

  • 【Qt之Quick模块】7. Quick基础、常用组件Item、Rectangle、Text、TextInput、TextEdi
    1.概述QtQuick模块是编写QML应用程序的标准库。QtQML模块提供QML引擎和语言基础结构，QtQuick模块提供用QML创建用户界面所需的所有基本类型。它提供了一个可视化画布，包括用于创建和动画化可视化组件、接收用户输入、创建数据模型和视图以及延迟对象实例化的类型。QtQuick模块......
  • # yyds干货盘点 # 盘点一个Pandas取值的问题（下篇）
    大家好，我是皮皮。一、前言前几天在Python白银交流群【上海新年人】问了一个Pandas数据提取的问题，上一篇文章我们介绍了基础篇，这一篇文章我们来延伸下，你想象下，我想要14和15行该怎么写？二、实现过程后来【论草莓如何成为冻干莓】给了一份代码，print(df.loc[[14,15],'作者':'回复'])。......
  • 使用 Postman Newman 高效进行 API 自动化测试
    Postman中的Newman是什么？Newman是一个CLI（命令行界面）工具，用于运行PostmanPostmanNewman的作用通过PostmanNewman，开发人员可以在代码更改后快速获得有关API性能的反馈。在Newman的帮助下，它与CI集成，此后如果推送任何更改，CI将与Newman一起运行Postman集合。Newm......
  • WhatsApp网页版及电脑版登录教学和使用指南
    WhatsApp 作为海外版“微信”，是出海人日常对外沟通的重要桥梁。由于其自身的及时性和便捷性，已经开始逐步替代电子邮件，成为跨境电商和外贸客户沟通的主要工具。为了更好地服务用户，WhatsApp于2015年及2016年分别推出WhatsApp网页版和WhatsApp桌面版，让用户可以直接通过电脑或平板电脑......
  • 聊聊我使用亚马逊鲲鹏系统注册买家号的心得
    想和大家聊一下我最近用了个挺好用的工具，就是亚马逊鲲鹏系统。以前我总是烦恼要一个一个手动注册亚马逊账号，真是麻烦。但有了这个系统，简直是方便到不行！首先，它有个全自动批量注册账号的功能，你只需要提前准备好要用的账号密码，系统就能自己搞定，还能自动应对验证码，真是秒注册啊！而且系统......
  • 怎通过日常保养延长多屏联动屏的使用寿命
    在日常使用多屏联动屏时，除了注意保持轨道的清洁和干燥外，还应注意对其进行定期保养，以延长其使用寿命和确保设备的正常运行。下面介绍一些保养多屏联动屏轨道的日常措施。一、定期清理轨道是支撑和引导多屏联动屏运动的重要部件，因此应定期清理轨道，特别是滑动区域和传动部位。使用干......
  • Python爬虫 - 使用代理IP池维护虚拟用户
    在进行Web爬取时，使用代理IP是一种常见的策略，它可以帮助我们隐藏真实IP地址，绕过网站的访问限制，提高爬取效率。本文将介绍如何使用代理IP池维护虚拟用户，以在爬取过程中保持匿名性和稳定性。一、什么是代理IP池？代理IP池是一个包含多个代理IP的集合。这些代理IP通常是从公开或付费的代......
  • 使用Python找到和删除相似文件的方法
    在处理大量文件时，经常会遇到需要找到和删除相似文件的情况。本文将介绍如何使用Python编程语言来实现这一任务，以帮助提高文件管理的效率。导入必要的库我们首先需要导入以下两个Python标准库：importosimportfilecmpos库用于文件操作，包括获取文件路径、判断文件是否存在等功能。f......
  • 在Android设备上设置和使用隧道代理HTTP
    随着互联网的深入发展，网络信息的传递已经成为人们日常生活中不可或缺的一部分。对于我们中国人来说，由于某些特殊的原因，访问国外网站时常常会遇到限制。为了解决这个问题，使用代理服务器成为了许多人的选择。而在Android设备上设置和使用隧道代理HTTP，可以更好地保护用户的隐私，同时提......
  • 浏览器使用隧道代理HTTP：洞悉无界信息
    在信息爆炸的时代，互联网已经成为获取信息的首选渠道。然而，在某些地区或情况下，访问某些网站可能会受到限制。这时，隧道代理HTTP便成为了一个重要的工具，帮助用户突破限制，洞悉无界信息。一、隧道代理HTTP的原理与优势隧道代理HTTP是一种网络通信方式，通过建立一条虚拟的通信隧道，用户可以......

赞助商

阅读排行

网站主页关于我们联系我们网站地图

本网站内容转载自其他媒体，侵权联系[admin##ips99.com]。

Copyright © 2020-2023 IPS99 版权所有 IPS99