Pandas模块
Pandas是Python环境下非常重要的数据分析库。当使用Python进行数据分析时,通常都指的是使用Pandas库作为分析工具对数据进行处理和分析。
Pandas是基于Numpy构建的数据分析库,但它比Numpy有更高级的数据结构和分析工具,如Series类型、DataFrame类型等。将数据源重组为DataFrame数据结构后,可以利用Pandas提供的多种分析方法和工具完成数据处理和分析任务。
(1)Pandas数据结构之Series
Series是一种类似于一维数组的数据结构,由一组数据和数据的索引
当Series数组元素为数值时,可以使用Series对象的describe方法对Series数组的数值进行分析。
(2)Pandas数据结构之DataFrame
如果把Series看作Excel表中的一列,DataFrame就是Excel的一张工作表。DataFrame由多个Series组成,DataFrame可以类比为二维数组或者矩阵,但与之不同的是,DataFrame必须同时具有行索引和列索引。
创建DataFrame的语句如下:
index和columes参数可以指定,当不指定时,从0开始。通常情况下,列索引都会给定,这样每一列数据的属性可以由列索引描述。
使用DataFrame类时可以调用其shape,info,index,column,values等方法返回其对应的属性。
调用DataFrame对象的info方法,可以获得其信息概述,包括行索引,列索引,非空数据个数和数据类型信息。
调用df对象的index、columns、values属性,可以返回当前df对象的行索引,列索引和数组元素。
下面介绍对DataFrame数据进行操作的方法:
DataFrame提供的数据分析方法: