Python数据分析与展示（5）——Pandas库入门

最新推荐文章于 2024-04-24 13:35:29 发布

wonazhidao1027

最新推荐文章于 2024-04-24 13:35:29 发布

阅读量563

点赞数

分类专栏： python 文章标签： python 数据分析

python 专栏收录该内容

9 篇文章 3 订阅

订阅专栏

最近在中国大学mooc网学习Python数据分析与展示相关知识，记入下来，以供参考。

Pandas库入门

Pandas库的

Pandas是Python第三方库，提供高性能易用数据类型和分析工具
Pandas基于NumPy实现，常与NumPy和Matplotlib一同使用
其引用方式一般如下：

import pandas as pd

Pandas库的Series类型

Series类型由一组数据及与之相关的数据索引组成

Series类型的创建

Series类型可以由如下类型创建：
• Python列表，index与列表元素个数一致
• 标量值，index表达Series类型的尺寸
• Python字典，键值对中的“键”是索引，index从字典中进行选择操作
• ndarray，索引和数据都可以通过ndarray类型创建
• 其他函数，range()函数等

In [1]:import pandas as pd
#从列表创建
In [2]:a = pd.Series([9,8,7,6])

In [3]:a
Out[3]: 
0    9
1    8
2    7
3    6
dtype: int64

In [4]:b = pd.Series([9,8,7,6],index = ['a','b','c','d'])

In [5]:b
Out[5]: 
a    9
b    8
c    7
d    6
dtype: int64
#从标量值创建
In [6]:s = pd.Series(25,index = ['a','b','c'])

In [7]:s
Out[7]: 
a    25
b    25
c    25
dtype: int64
#从字典类型创建
In [8]:d = pd.Series({'a':9,'b':8,'c':7})

In [9]:d
Out[9]: 
a    9
b    8
c    7
dtype: int64

In [10]:e = pd.Series({'a':9,'b':8,'c':7},index = ['c','a','b','d'])

In [11]:e
Out[11]: 
c    7.0
a    9.0
b    8.0
d    NaN
dtype: float64
#从ndarray类型创建
In [12]:import numpy as np

In [13]:n =pd.Series(np.arange(5))

In [14]:n
Out[14]: 
0    0
1    1
2    2
3    3
4    4
dtype: int32

In [15]:n =pd.Series(np.arange(5),index = np.arange(9,4,-1))

In [16]:n
Out[16]: 
9    0
8    1
7    2
6    3
5    4
dtype: int32

Series类型的基本操作

Series类型包括index和values两部分
Series类型的操作类似ndarray类型
Series类型的操作类似Python字典类型

In[17]:b.index
Out[17]: Index(['a', 'b', 'c', 'd'], dtype='object')

In[18]:b.values
Out[18]: array([9, 8, 7, 6], dtype=int64)

Series类型的操作类似ndarray类型：
• 索引方法相同，采用[]
• NumPy中运算和操作可用于Series类型
• 可以通过自定义索引的列表进行切片
• 可以通过自动索引进行切片，如果存在自定义索引，则一同被切片

Series类型的操作类似Python字典类型：
• 通过自定义索引访问
• 保留字in操作,不会判断自动索引
• 使用.get()方法

Series类型对齐操作

Series + Series

In[22]:a = pd.Series([1,2,3],['c','d','e'])

In[23]:b = pd.Series([9,8,7,6],['a', 'b', 'c', 'd'])

In[24]:a + b
Out[24]: 
a    NaN
b    NaN
c    8.0
d    8.0
e    NaN
dtype: float64

Series类型在运算中会自动对齐不同索引的数据

Series类型的name属性

Series对象和索引都可以有一个名字，存储在属性.name中

In [31]:b.name

In [32]:b.name = "Series对象"

In [33]:b.index.name = '索引列'

In [34]:b
Out[34]: 
索引列
a    9
b    8
c    7
d    6
Name: Series对象, dtype: int64

Pandas库的DataFrame类型

DataFrame类型

DataFrame类型由共用相同索引的一组列组成
DataFrame是一个表格型的数据类型，每列值类型可以不同
DataFrame既有行索引、也有列索引
DataFrame常用于表达二维数据，但可以表达多维数据

这里写图片描述
DataFrame类型可以由如下类型创建：
• 二维ndarray对象
• 由一维ndarray、列表、字典、元组或Series构成的字典
• Series类型
• 其他的DataFrame类型

#从二维ndarry对象创建
In [35]:import pandas as pd

In [36]:import numpy as np

In [37]:d = pd.DataFrame(np.arange(10).reshape(2,5))

In [38]:d
Out[38]: 
   0  1  2  3  4
0  0  1  2  3  4
1  5  6  7  8  9
#从一维ndarry对象字典创建
In [42]: dt = {'one':pd.Series([1,2,3],index = ['a','b','c']),'two':pd.Series([9,8,7,6],index = ['a', 'b', 'c', 'd'])}

In [43]: d = pd.DataFrame(dt)

In [44]: d
Out[44]: 
   one  two
a  1.0    9
b  2.0    8
c  3.0    7
d  NaN    6

In [46]: pd.DataFrame(dt,index = ['a','b','c'],columns = ['two','three'])
Out[46]: 
   two three
a    9   NaN
b    8   NaN
c    7   NaN

Pandas库的数据类型操作

如何改变Series和DataFrame对象？
增加或重排：重新索引
删除：drop

重新索引

.reindex()能够改变或重排Series和DataFrame索引
.reindex(index=None, columns=None, …)的参数

index, columns 新的行列自定义索引
fill_value 重新索引中，用于填充缺失位置的值
method 填充方法, ffill当前值向前填充，bfill向后填充
limit 最大填充量
copy 默认True，生成新的对象，False时，新旧相等不复制

索引类型的常用方法

方法	说明
.append(idx)	连接另一个Index对象，产生新的Index对象
.diff(idx)	计算差集，产生新的Index对象
.intersection(idx)	计算交集
.union(idx)	计算并集
.delete(loc)	删除loc位置处的元素
.insert(loc,e)	在loc位置增加一个元素e

删除指定索引对象

.drop()能够删除Series和DataFrame指定行或列索引

Pandas库的数据类型运算

算数运算法则

算术运算根据行列索引，补齐后运算，运算默认产生浮点数
补齐时缺项填充NaN (空值)
二维和一维、一维和零维间为广播运算
采用+ ‐ * /符号进行的二元运算产生新的对象

方法形式的运算

方法	说明
.add(d, **argws)	类型间加法运算，可选参数
.sub(d, **argws)	类型间减法运算，可选参数
.mul(d, **argws)	类型间乘法运算，可选参数
.div(d, **argws)	类型间除法运算，可选参数