一、Python数据分析依赖的两个对象:
Pandas和NumPy,各自有着独特的优势和功能,共同为数据分析提供强大的支持。
- Pandas:
Pandas是一个强大的数据处理和分析库,提供了丰富的数据结构和数据处理功能。它主要依赖DataFrame和Series两种数据结构,使得数据的存储和处理更加高效和便捷。
- DataFrame:类似于Excel表格,可以存储多种类型的数据,并具有行列标签,方便数据的组织和查询。
- Series:一维数组,可以存储不同类型的数据,并具有标签,方便数据的索引和查询。
Pandas还提供了丰富的数据处理函数和操作符,如筛选、排序、分组、聚合等,可以方便地对数据进行清洗、处理和分析。此外,Pandas还支持数据的可视化,可以生成各种图表和统计图,帮助用户更好地理解数据。
2.NumPy:
NumPy是Python中另一个重要的数值计算库,提供了大量的数学函数和操作符,可以进行高效的数值计算、矩阵运算和统计分析。
- 数组对象:NumPy提供了高效的数组对象,可以方便地处理大量数据。数组对象可以进行各种数学运算和统计操作,提高数据处理和分析的效率。
- 数学函数和操作符:NumPy提供了大量的数学函数和操作符,可以进行各种数学运算和统计分析。例如,可以使用NumPy进行线性代数运算、傅里叶变换、随机数生成等。
在Python数据分析中,Pandas和NumPy可以相互配合使用。例如,可以使用Pandas进行数据的清洗和处理,然后使用NumPy进行高效的数值计算和统计分析。同时,也可以使用Pandas的数据可视化功能,将分析结果以图表的形式展示出来,更直观地理解数据。
总之,Pandas和NumPy是Python数据分析中不可或缺的两个对象,它们各自有着独特的优势和功能,共同为数据分析提供强大的支持。
二、DataFrame表格对象
1.表格对象的属性:
2.表格对象的基本方法
(一)head():返回前5行数据,用于概览
head()
是一个在多种编程语言和库中常见的函数,通常用于数据分析和处理。在 Python 的 Pandas 库中,head()
函数特别常用。
当你在使用 Pandas 的 DataFrame 或 Series 时,head()
函数可以用来返回数据的前几行。默认情况下,它会返回前5行的数据,这常常被用作快速查看数据集的概览。
以下是如何在 Pandas 中使用 head()
函数的简单示例:python
import pandas as pd | |
# 创建一个简单的 DataFrame | |
data = { | |
'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Emily'], | |
'Age': [25, 30, 35, 40, 45], | |
'City': ['New York', 'Paris', 'London', 'Tokyo', 'Berlin'] | |
} | |
df = pd.DataFrame(data) | |
# 使用 head() 函数查看前5行数据 | |
print(df.head()) |
输出:markdown
Name Age City | |
0 Alice 25 New York | |
1 Bob 30 Paris | |
2 Charlie 35 London | |
3 David 40 Tokyo | |
4 Emily 45 Berlin |
如你所见,head()
函数默认返回了 DataFrame 的前5行。如果你想查看不同数量的行,可以传递一个整数给 head()
函数,例如 df.head(10)
会返回前10行。
info():查看表格对象行列数、各列的数据类型和非空值数量
describe():对表格对象中的数字型序列进行各类统计量的计算
rename():修改表格对象的列名称
(二)to_excel():将表格对象导出成excel
to_excel()
是一个 Pandas 库中的方法,用于将 DataFrame 对象导出为 Excel 文件。
以下是如何使用 to_excel()
函数的示例:python
import pandas as pd | |
# 创建一个简单的 DataFrame | |
data = { | |
'Name': ['Alice', 'Bob', 'Charlie'], | |
'Age': [25, 30, 35], | |
'City': ['New York', None, 'London'] | |
} | |
df = pd.DataFrame(data) | |
# 使用 to_excel() 函数将 DataFrame 导出为 Excel 文件 | |
df.to_excel('output.xlsx', index=False) |
在这个例子中,我们创建了一个简单的 DataFrame,然后使用 to_excel()
函数将其导出为名为 'output.xlsx' 的 Excel 文件。index=False
参数用于防止将 DataFrame 的索引导出到 Excel 文件中。
为了使用 to_excel()
函数,你需要安装并导入 Pandas 库,并且你的系统中需要安装有 Excel 阅读器(如 Microsoft Excel 或 LibreOffice Calc)才能正常打开生成的 Excel 文件。