[python][科学计算][pandas]简要使用教程2-数据

最后一次更新日期： 2019/3/17

pandas是基于numpy的数据分析库，提供一些更易用的数据模型和大量高效的统计方法。

使用前先导入模块：
import pandas as pd
按需导入以下模块:
import numpy as np
import matplotlib.pyplot as plt

1. 数据类型

pandas支持的数据类型就是numpy的数据类型，在创建数据模型时同样可通过dtype参数指定。

常用的数据类型有：np.bool_(bool),np.int64(int),np.float64(float),np.datetime64(datetime),object(str等),pd.Categorical(category)。

更详细的类型说明可查看numpy的使用指南。
和numpy不太一样的是，numpy中int类型默认为np.int32，而pandas中默认np.int64；numpy中存储字符串优先采用定长的np.str_，而pandas中统一使用object。

pandas数据模型使用单个ndarray作为基础数据，所以当pandas的每列采用不同数据类型时，作为数据来源的ndarray整体被设置为object数据类型。

2. 类型转换

In [48]: df=pd.DataFrame([[1,'2'],[3,'a']],columns=['col1','col2'])

In [49]: df.dtypes
Out[49]: 
col1     int64
col2    object
dtype: object

In [50]: df.col1.astype('float')
Out[50]: 
0    1.0
1    3.0
Name: col1, dtype: float64

In [52]: pd.to_numeric(df.col2,errors='ignore')
Out[52]: 
0    2
1    a
Name: col2, dtype: object

In [53]: pd.to_numeric(df.col2,errors='coerce')
Out[53]: 
0    2.0
1    NaN
Name: col2, dtype: float64

pandas和numpy一样主要使用astype进行类型转换，该方法返回转换后数据，需要在原数据上更改时可以用返回值去覆盖原数据。

当需要进行一些可能会失败的转换时，可以考虑使用专用的方法，例如pd.to_numeric用于将一个Series转换为数字类型，errors参数可以指定对错误的处理方式：'coerce'表示强制转换，不能转换的元素会替换为NaN；'ignore'表示存在无法转换的元素时会放弃转换。
当需要对DataFrame整体应用转换时，可使用apply方法。