Python 数据分析 pandas

Pandas是一个开源的Python数据分析库。

既然是读入Excel,那个读取到的结果也必然是Excel的形式：

Excel的形式为：

对Excel形式的说明：

Pandas把结构化数据分为了三类：

1、Series : 一维序列，可视作为没有column名的、只有一个column的DataFrame；

eg:

import pandas as pd
import numpy as ny

path = '/home/gll/Desktop/chapter3/demo/data/catering_sale.xls'
readFile=pd.read_excel(path)

b=pd.Series([1,2,3,5,8])
print b

注意：pandas会默认创建整型索引(从0开始)

输出结果：

0 1
1 2
2 3
3 5
4 8
dtype: int64

对应的Excel为：

2、DataFrame : 为多column并schema化的二维结构化数据，可视作为Series的容器 （ container ） ;

eg: 

import pandas as pd

import numpy as ny

path = '/home/gll/Desktop/chapter3/demo/data/catering_sale.xls'

readFile=pd.read_excel(path)

b=pd.Series([1,2,3,5,8])

c=pd.Series(['a','b','c','t','f'])

d=pd.DataFrame([b,c])

print d

输出的结果为：

   0 1 2 3 4

0 1 2 3 5 8

1 a b c t f

对应的Excel为：

自己理解：一维数组的形式为：[1,2,3,5,8] ；,然而，Series的形式是把一维数组竖着写（即以列的形式存在），并且添加了索引（因为只有一列，所以没有列索引，只添加行索引，这个索引可以是自己设置的，自己不设置时为默认）；DataFrame的形式是多个Series，但是和Series不同的是，DataFrame可能存储多个Series（因为Series以列的形式存在，所以DataFrame就是多列），所以可能有多列，因此，它不仅有行索引，同时还有列索引（同理：如果不设置索引，就是默认的索引）

注意：

pandas.read_excel();返回的就是DataFrame

eg:

import pandas as pd
import numpy as ny

path = '/home/gll/Desktop/chapter3/demo/data/catering_dish_profit.xls'
readFile=pd.read_excel(path)
print readFile

输出结果为：

  菜品ID  菜品名    盈利
0  17148   A1  9173
1  17154   A2  5729
2    109   A3  4811
3    117   A4  3594
4  17151   A5  3195
5     14   A6  3026
6   2868   A7  2378
7    397   A8  1970
8     88   A9  1877
9    426  A10  1782

3、 Panel : 为三维的结构化数据，可是作为DataFrame的容器 ；

DataFrame中的方法：

.index 为行索引（即行标号）

.columns 为列名称（label即列标）

.dtypes  为列数据类型（数据集中每一列的数据类型）

.values  为获取DataFrame中的值（list的形式返回）

import pandas as pd
import numpy as ny

path = '/home/gll/Desktop/chapter3/demo/data/catering_dish_profit.xls'
readFile=pd.read_excel(path)
f=pd.DataFrame({'a':[1,1,1],'b':[1,2,2],'c':[1,2,3]})
print '='*10,'f','='*10
print f
print '='*10,'f.dtypes','='*10
print f.dtypes
print '='*10,'f.values','='*10
print f.values
print '='*10,'f.columns','='*10
print f.columns
print '='*10,'f.index','='*10
print f.index

输出结果为：

========== f ==========
   a  b  c
0  1  1  1
1  1  2  2
2  1  2  3
========== f.dtypes ==========
a    int64
b    int64
c    int64
dtype: object
========== f.values ==========
[[1 1 1]
 [1 2 2]
 [1 2 3]]
========== f.columns ==========
Index([u'a', u'b', u'c'], dtype='object')
========== f.index ==========
RangeIndex(start=0, stop=3, step=1)

选择操作：

Pandas不但可以根据列名称选择，还可以根据列所在的position选择。相关函数为：

.loc  基于列label，可选取特定行（根据行index）

.iloc  基于行/列的position

.at  根据指定行index及列label ，快速定位DataFrame 的元素

.iat 与at类似，不同的是根据position来定位的

.ix  为loc与iloc的混合体，既支持label 也支持 position

eg:

代码：

import pandas as pd
import numpy as ny

path = '/home/gll/Desktop/chapter3/demo/data/catering_dish_profit.xls'
readFile=pd.read_excel(path)
f=pd.DataFrame({'a':[1,1,1],'b':[1,2,2],'c':[1,2,3]})
print '='*10,'f','='*10
print f
print '='*10,'f.loc[1,\'c\']','='*10   
print f.loc[1,'c']
print '='*10,'f.iloc[0:2,1]','='*10
print f.iloc[0:2,1]
print '='*10,'f.at[1,\'c\']','='*10
print f.at[1,'c']

结果：

========== f ==========
   a  b  c
0  1  1  1
1  1  2  2
2  1  2  3
========== f.loc[1,'c'] ==========
2
========== f.iloc[0:2,1] ==========
0    1
1    2
Name: b, dtype: int64
========== f.at[1,'c'] ==========
2