pandas概述
1.Pandas是Python的一个数据分析包，该工具为解决数据分析任务而创建。
2.Pandas纳入大量库和标准数据模型，提供高效的操作数据集所需的工具。
3.Pandas提供大量能使我们快速便捷地处理数据的函数和方法。
4.Pandas是字典形式，基于NumPy创建，让NumPy为中心的应用变得更加简单。
pandas的数据结构
两个主要的数据结构：Series和DataFrame。
Series结构
- Series是一种类似于一维数组的对象，它由一维数组（各种numpy数据类型）以及一组与之相关的数据标签（即索引）组成，仅由一组数据即可产生最简单的Series.
- Series的字符串表现形式为：索引在左边，值在右边。如果没有为数据指定索引，于是会自动创建一个0到N-1(N为数据的长度)的整数型索引。可以通过Series的values和index属性获取其数组表现形式和索引对象：
Series入门级api如下：
#!/usr/bin/python3
# -*- coding: utf-8 -*-
# @Time : 2019-06-05 21:45
# @Author : LiYahui
# @Description : pandas series demo
import pandas as pd
import numpy as np
# 直接创建Series，采用默认的索引值
series1=pd.Series([2,4,5,7,8,6])
print(series1)
'''
0 2
1 4
2 5
3 7
4 8
5 6
dtype: int64
'''
print(series1.values) # [2 4 5 7 8 6]
print(series1.index) # RangeIndex(start=0, stop=6, step=1)
#创建指定索引值的Series
series2=pd.Series([2,4,5,7,8,6],index=['a','b','c','d','e','f'])
print(series2)
'''
a 2
b 4
c 5
d 7
e 8
f 6
dtype: int64
'''
print(series2.index) #Index(['a', 'b', 'c', 'd', 'e', 'f'], dtype='object')
# 利用索引的方式选取Series的单个或一组值
print(series2['c']) # 5
print(series2[['a','b','c','f']]) # 选取的列的值必须在[] 内进行包括
'''
a 2
b 4
c 5
f 6
dtype: int64
'''
#numpy数组运算（布尔型数组进行过滤、标量乘法、应用数学函数等）都会保留索引和值之间的链接
print(series2[series2>5])
'''
d 7
e 8
f 6
dtype: int64
'''
print(series2*2)
'''
a 4
b 8
c 10
d 14
e 16
f 12
dtype: int64
'''
print(np.exp(series2))
'''
a 7.389056
b 54.598150
c 148.413159
d 1096.633158
e 2980.957987
f 403.428793
dtype: float64
'''
#可以将Series看成是一个有定长的有序字典，因为它是索引值到数据值的一个映射
#因此，一些字典函数也可以在这里使用：
'a' in series2 #return:True
'h' in series2 #return:False
2 in series2.values #return:True
#利用字典创建Series
dic={'l':1,'z':2,'h':3}
series3=pd.Series(dic)
print(series3)
'''
l 1
z 2
h 3
dtype: int64
'''
#若索引比字典的索引多，则与字典索引相匹配的则会被找到，并放置到相应的位置中
#而对应字找不到的索引，其结果则为NaN(即非数字，Not a Number，在pandas中，用于表示缺失或NA值)
ind=['l','z','h','a']
series4=pd.Series(dic,index=ind)
print(series4)
'''
l 1.0
z 2.0
h 3.0
a NaN
dtype: float64
'''
#pandas中isnull和notnull函数用于检测缺失数据：
pd.isnull(series4) #等效于： obj4.isnull()
pd.notnull(series4)
"""
pd.isnull(series4): pd.notnull(series4)
l False l True
z False z True
h False h True
a True a False
dtype: bool dtype: bool
"""
#算术运算中自动对齐不同索引的数据
print(series4+series3)
'''
a NaN
h 6.0
l 2.0
z 4.0
dtype: float64
'''
#Series对象本身及其索引都有一个name属性
series4.name='myname'
series4.index.name="letter"
"""series4=
letter
l 1.0
z 2.0
h 3.0
a NaN
Name: myname, dtype: float64
"""
# 索引可以通过赋值的方式进行改变
series4.index=['li','zi','hua','a']
"""series4=
li 1.0
zi 2.0
hua 3.0
a NaN
Name: myname, dtype: float64
"""
DataFrame结构
- DataFrame是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔值等）。DataFrame既有行索引也有列索引，它可以被看做由Series组成的字典（公用同一个索引）。跟其他类似的数据结构相比，DataFrame中面向行和面向列的操作基本是平衡的。其实，DataFrame中的数据是以一个或多个二维块存放的（而不是列表、字典或者别的一维数据结构）。
其中，可以输入给DataFrame构造器的数据类型及相关说明：
| 类型 | 说明 |
|---|---|
| 二维ndarray | 数据矩阵，可以传入行标和列标 |
| 由数组、列表、元组组成的字典 | 每个序列会变成DataFrame的一列，所有的序列的长度必须相同 |
| Numpy的结构化/记录的数组 | 类似于 "由数组组成的字典" |
| 由Series组成的字典 | 每个Series都会成一列，如果没有显示的指定索引，则各Series的索引会被合并成结果的行索引 |
| 由字典组成的字典 | 各内层字典会成一列。键会被合并成结果的行索引，根由‘Series组成的字典’的情况一样 |
| 由列表和元组组成的列表 | 类似于二维 “ndarray” |
| 另一个DataFrame | 改DataFrame的索引会被引用，除非显示了指定其他的索引 |
| numpy的MaskedArray | 类似于‘二维ndarray’的情况，只是掩值码会在DataFrame中变成NA/缺失值 |
DataFrame入门级api
#!/usr/bin/python3
# -*- coding: utf-8 -*-
# @Time : 2019-06-05 22:20
# @Author : LiYahui
# @Description : dataframe_demo
import pandas as pd
import numpy as np
# 构建DataFrame
# 最常用的一种是直接传入一个由等长列表或numpy数组组成的字典：
data = {'names': ['Bob', 'Jane', 'Jack', 'Ann'],
'sex': ['M', 'F', 'M', 'F'],
'age': [21, 30, 26, 28]}
df1 = pd.DataFrame.from_dict(data) # 和下句等价
df1 = pd.DataFrame(data)
# print(df1)
# 没有指定索引，会自动加上索引，且全部列会被有序排列
'''
names sex age
0 Bob M 21
1 Jane F 30
2 Jack M 26
3 Ann F 28
'''
# 若指定列序列，则会按照指定顺序排列
df2 = pd.DataFrame(data, columns=['names', 'sex', 'age'])
# df2=pd.DataFrame.from_dict(data,columns=['names','sex','age']) #报错
# print(df2)
'''
names sex age
0 Bob M 21
1 Jane F 30
2 Jack M 26
3 Ann F 28
'''
# 若传入列在数据中找不到，会返回NA值，指定列和索引
df3 = pd.DataFrame(data, columns=['names', 'sex', 'age', 'id'], index=['a', 'b', 'c', 'd'])
# print(df3)
'''
names sex age id
a Bob M 21 NaN
b Jane F 30 NaN
c Jack M 26 NaN
d Ann F 28 NaN
'''
# 通过类似字典标记或属性的方式，可以获取Series（列数据）：
df4 = df3['sex']
# print(df4)
'''
a M
b F
c M
d F
Name: sex, dtype: object
'''
df5 = df3.age
# print(df5)
'''
a 21
b 30
c 26
d 28
Name: age, dtype: int64
'''
# 嵌套的嵌套序列数据结构
city_data = {'城市': pd.Series(['北京', '上海', '深圳', '成都', '杭州'], index=['a', 'b', 'c', 'd', 'e']),
'人口/千万': pd.Series([2171, 2415, 1191, 901,899], index=['a', 'b', 'c', 'd', 'e']),
'年份': pd.Series([2015, 2016, 2015, 2016, 2015], index=['a', 'b', 'c', 'd', 'e'])
}
df6 = pd.DataFrame(city_data)
print(df6)
'''
城市 人口/千万 年份
a 北京 2171 2015
b 上海 2415 2016
c 深圳 1191 2015
d 成都 901 2016
e 杭州 899 2015
'''
网友评论