pandas百度介绍
pandas 是基于NumPy 的一种工具,该工具是为解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现,它是使Python成为强大而高效的数据分析环境的重要因素之一。
Pandas [1]是python的一个数据分析包,最初由AQR Capital Management于2008年4月开发,并于2009年底开源出来,当时由专注于Python数据包开发的PyData开发团队继续开发和维护,属于PyData项目的一部分。Pandas最初被作为金融数据分析工具而开发出来,因此,pandas为时间序列分析提供了很好的支持。 Pandas的名称来自于面板数据(panel data)和python数据分析(data analysis)。panel data是经济学中关于多维数据集的一个术语,在Pandas中也提供了panel的数据类型。
数据结构
Series:一维数组,与Numpy中的一维array类似。二者与Python基本的数据结构List也很相近。Series如今能保存不同种数据类型,字符串、boolean值、数字等都能保存在Series中。 Time- Series:以时间为索引的Series。 DataFrame:二维的表格型数据结构。很多功能与R中的data.frame类似。可以将DataFrame理解为Series的容器。 Panel :三维的数组,可以理解为DataFrame的容器。 Panel4D:是像Panel一样的4维数据容器。 PanelND:拥有factory集合,可以创建像Panel4D一样N维命名容器的模块。
导入pandas:
import pandas as pd
from pandas import Series,DataFrame
import numpy as np
1、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
1)Series的创建
两种创建方式:
(1) 由列表或numpy数组创建
默认索引为0到N-1的整数型索引
In [3]:
#使用列表创建Series
Series(data=[1,2,3])
Series(data=[1,2,3],index=['a','b','c']) #显式索引Out[3]:
a 1 b 2 c 3 dtype: int64In [4]:
#使用numpy创建Series
s = Series(data=np.random.randint(0,100,size=(4,)),index=['a','b','c','d'])
sOut[4]:
a 87 b 13 c 78 d 78 dtype: int32
============================================
练习1:
使用多种方法创建以下Series,命名为s1:
语文 150
数学 150
英语 150
理综 300
============================================
2)Series的索引和切片
可以使用中括号取单个索引(此时返回的是元素类型),或者中括号里一个列表取多个索引(此时返回的是一个Series类型)。
(1) 显式索引:
- 使用index中的元素作为索引值
- 使用s.loc[](推荐):注意,loc中括号中放置的一定是显示索引
注意,此时是闭区间
In [14]:s[[1,2]]Out[14]:
b 92 c 94 dtype: int32
(2) 隐式索引:
- 使用整数作为索引值
- 使用.iloc[](推荐):iloc中的中括号中必须放置隐式索引
注意,此时是半开区间
In [ ]:
切片:隐式索引切片和显示索引切片
- 显示索引切片:index和loc
s[0:3]Out[15]:
a 87 b 92 c 94 dtype: int32
3)Series的基本概念
可以通过shape,size,index,values等得到series的属性
In [6]:s.values
s.indexOut[6]:
Index(['a', 'b', 'c', 'd'], dtype='object')
可以使用s.head(),tail()分别查看前n个和后n个值
In [19]:s.head(2)
s.tail(2)Out[19]:
c 94 d 10 dtype: int32
对Series元素进行去重
In [22]:s = Series(data=[1,1,2,2,3,3,3,4,5,6,7,7,8,9,9,9])
s.unique()Out[22]:
array([1, 2, 3, 4, 5, 6, 7, 8, 9], dtype=int64)
当索引没有对应的值时,可能出现缺失数据显示NaN(not a number)的情况
- 使得两个Series进行相加
s1 = Series(data=[1,2,3],index=['a','b','c'])
s2 = Series(data=[1,2,3],index=['a','b','d'])
s = s1 + s2
sOut[24]:
a 2.0 b 4.0 c NaN d NaN dtype: float64
可以使用pd.isnull(),pd.notnull(),或s.isnull(),notnull()函数检测缺失数据
In [26]:s.isnull()
s.notnull()Out[26]:
a True b True c False d False dtype: boolIn [33]:
sOut[33]:
a 2.0 b 4.0 c NaN d NaN dtype: float64In [35]:
s[[True,True,False,False]]
s[s.notnull()]Out[35]:
a 2.0 b 4.0 dtype: float64
4)Series的运算
(1) + - * /
In [38]:s1.add(s2)Out[38]:
a 2.0 b 4.0 c NaN d NaN dtype: float64
(2) add() sub() mul() div() : s1.add(s2,fill_value=0)
In [ ]:
(3) Series之间的运算
- 在运算中自动对齐不同索引的数据
- 如果索引不对应,则补NaN
============================================
练习3:
-
想一想Series运算和ndarray运算的规则有什么不同?
-
新建另一个索引包含“文综”的Series s2,并与s2进行多种算术操作。
============================================
In [ ]:
2、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
1)DataFrame的创建
最常用的方法是传递一个字典来创建。DataFrame以字典的键作为每一【列】的名称,以字典的值(一个数组)作为每一列。
此外,DataFrame会自动加上每一行的索引。
使用字典创建的DataFrame后,则columns参数将不可被使用。
同Series一样,若传入的列与字典的键不匹配,则相应的值为NaN。
In [ ]:
- 使用ndarray创建DataFrame
arr = np.array([1,2,3])
type(arr)Out[39]:
numpy.ndarrayIn [41]:
DataFrame(data=np.random.randint(0,100,size=(3,4)),index=['a','b','c'])Out[41]:
0 | 1 | 2 | 3 | |
---|---|---|---|---|
a | 77 | 43 | 59 | 44 |
b | 2 | 93 | 60 | 74 |
c | 63 | 6 | 39 | 66 |
DataFrame属性:values、columns、index、shape
In [ ]:
使用字典创建DataFrame:创建一个表格用于展示张三,李四,王五的java,python的成绩
In [73]:dic = {
'张三':[11,22,33,44],
'李四':[55,66,77,88]
}
df_score = DataFrame(data=dic,index=['语文','数学','英语','理综'])
============================================
练习4:
根据以下考试成绩表,创建一个DataFrame,命名为df:
张三 李四
语文 150 0
数学 150 0
英语 150 0
理综 300 0
============================================
2)DataFrame的索引
(1) 对列进行索引
- 通过类似字典的方式 df['q']
- 通过属性的方式 df.q
可以将DataFrame的列获取为一个Series。返回的Series拥有原DataFrame相同的索引,且name属性也已经设置好了,就是相应的列名。
In [52]:df = DataFrame(data=np.random.randint(0,100,size=(3,4)),index=['a','b','c'],columns=['A','B','C','D'])
dfOut[52]:
A | B | C | D | |
---|---|---|---|---|
a | 61 | 87 | 56 | 73 |
b | 59 | 52 | 88 | 83 |
c | 98 | 17 | 60 | 82 |
#获取前两列
df[['A','B']]Out[53]:
A | B | |
---|---|---|
a | 61 | 87 |
b | 59 | 52 |
c | 98 | 17 |
(2) 对行进行索引
- 使用.loc[]加index来进行行索引
- 使用.iloc[]加整数来进行行索引
同样返回一个Series,index为原来的columns。
In [60]:df.iloc[[0,1]]
df.loc[['a','b']]Out[60]:
A | B | C | D | |
---|---|---|---|---|
a | 61 | 87 | 56 | 73 |
b | 59 | 52 | 88 | 83 |
(3) 对元素索引的方法 - 使用列索引 - 使用行索引(iloc[3,1] or loc['C','q']) 行索引在前,列索引在后
In [63]:df.loc['a','D']
df.loc[['a','b'],'D']Out[63]:
a 73 b 83 Name: D, dtype: int32
切片:
【注意】 直接用中括号时:
- 索引表示的是列索引
- 切片表示的是行切片
dfOut[64]:
A | B | C | D | |
---|---|---|---|---|
a | 61 | 87 | 56 | 73 |
b | 59 | 52 | 88 | 83 |
c | 98 | 17 | 60 | 82 |
#切出前两行
df['a':'b']
df[0:2]Out[67]:
A | B | C | D | |
---|---|---|---|---|
a | 61 | 87 | 56 | 73 |
b | 59 | 52 | 88 | 83 |
在loc和iloc中使用切片(切列) : df.loc['B':'C','丙':'丁']
In [71]:df.loc[:,'A':'B']Out[71]:
A | B | |
---|---|---|
a | 61 | 87 |
b | 59 | 52 |
c | 98 | 17 |
Type Markdown and LaTeX: <span id="MathJax-Span-2" class="mrow"><span id="MathJax-Span-3" class="msubsup"><span id="MathJax-Span-4" class="mi">
标签:数据分析,index,df,Series,DataFrame,索引,数据结构,Pandas,Out From: https://www.cnblogs.com/machangwei-8/p/18397833