数据分析(3)--Pandsa+Series类型用法总结

Pandas

Pandas库基于Numpy库，提供了很多用于数据操作与分析的功能。

安装与使用

安装：

pip install pandas  
根据惯例，我们使用如下的方式引入pandas：  
import pandas as pd

两个常用数据类型

pandas提供两个常用的数据类型：

• Series
• DataFrame

Series类型

Series类型类似于Numpy的一维数组对象，可以将该类型看做是一组数据与数据相关的标签（索引）联合而构成（带有标签的一维数组对象）。

创建方式

Series常用的创建（初始化）方式：

• 列表等可迭代对象
• ndarray数组对象
• 字典对象
• 标量

# 通过列表(等可迭代对象)创建。
 p = pd.Series([5, 8, 10, 90])
 p = pd.Series((1, 2, 3, 4))
# p = pd.Series(range(20))
# 通过ndarray数组来创建Series。
# p = pd.Series(np.array([53, 32, 99, 12]))
# 通过字典对象创建Series。字典的key作为Series的索引。字典的value作为元素的值。
# p = pd.Series({"a": 100, "b": 200, "c":400})
# p = pd.Series(10)
# print(p)

# 当我们没有显式指定索引，会自动生成（创建）从0开始，依次增1的索引。（0， 1， 2， 3 ……）
 p = pd.Series([1, 20, 30, -15])
# 我们也可以在创建Series的同时，通过index参数指定索引。
 p = pd.Series([1, 20, 30, -15], index=["a", "b", "c", "d"])
# 我们也可以在创建Series对象之后，去修改（设置）对象的索引。
# p.index = [9, 8, 7, 6]

# p = pd.Series(10, index=[5, 6, 7, 8])
# print(p)

相关属性

• index
• values
• shape
• size
• dtype

Series对象可以通过index与values访问索引与值。其中，我们也可以通过修改index属性来修改Series的索引。

说明：

• 如果没有指定索引，则会自动生成从0开始的整数值索引，也可以使用index显式指定索引。
• Series对象与index具有name属性。Series的name属性可在创建时通过name参数指定。
• 当数值较多时，可以通过head与tail访问前 / 后N个数据。【中间的怎么办？】
• Series对象的数据只能是一维数组类型。

Series也可以通过索引进行访问数据，与Numpy的ndarray数组对象索引是否存在不同？

# index 返回Series对象的索引对象
p = pd.Series([1, 2, 3 , 4], index=list("abcd"))
# p.index
# values 返回Series所关联的值。
# Series可以看做类似字典的结构，index返回字典的key，values返回字典的value。
# values为ndarray数组类型。（一维数组类型。）
# p.values
# shape 返回Series的形状。
# print(p.shape)
# print(p.values.shape)
# size 返回元素的个数
# print(p.size)
# dtype 返回元素的类型
# print(p.dtype)

# Series对象与Series的索引对象（index属性返回的对象），二者都具有name属性，用来指定名字。

# 我们可以在创建Series对象时，通过name属性指定Series对象的名称。
p = pd.Series(["a", "c", "k", "xyz"], index=[9, 10, 20, 15], name="Series的名字")
# 我们也可以在创建Series对象之后，通过name属性来设置Series的名称。
p.name = "如果在创建时忘了，可以在稍后进行赋值。"
# 为Series的index属性来设置名称。
# p.index.name = "Index的名称。"

# 创建索引对象
# Series的name与Series.index的name可以在输出Series对象时，得到体现。但是，
# 二者的name属性，作用可不只是体现在输出中。
# ind = pd.Index(["a", "b", "c"], name="Seires索引（index）的name值")
# p = pd.Series([1, 2, 3], index=ind)
# p2 = pd.Series([1, 2, 3], index=ind)
# p3 = pd.Series([1, 2, 3], index=ind)

p = pd.Series(range(300))
# 如果数量量较大，我们可以使用head与tail方法，访问前（后）n条数据。
# print(p)
# p.head(10)
# p.tail(5)
# 当我们不指定参数时，默认值为5。
# p.head()

# Series仅支持一维的数据。
# p = pd.Series([[1, 2], [3, 4]])
# 会出现错误。
# p = pd.Series(np.array([[1, 2],[3, 4]]))
# p

# ndarray的索引与Series的索引是不相同的。
# 对于ndarray而言，索引（类似与列表list）就是每个元素的位置（序号），我们是不能自定义改变的。
# 对于Series而言，索引为类似字典（dict）中的key（映射），我们是可以自定义改变的。
array = np.array([1, 2, 3])
print(array[2])
s = pd.Series([1, 2, 3])
print(s[2])
print(array[-1])
# 错误
# print(s[-1])

Series相关操作

Series在操作上，与Numpy数据具有如下的相似性：

• 支持广播与矢量化运算。
• 支持索引与切片。
• 支持整数数组与布尔数组提取元素。

运算

Series类型也支持矢量化运算与广播操作。计算规则与Numpy数组的规则相同。同时，Numpy的一些函数，也适用于Series类型，例如，np.mean，np.sum等。
多个Series运算时，会根据索引进行对齐。当索引无法匹配时，结果值为NaN（缺失值）。

说明：

• 我们可以通过pandas或Series的isnull与notnull来判断数据是否缺失。
• 除了运算符以外，我们也可以使用Series对象提供的相关方法进行运算【可以指定缺失的填充值】。
• 尽管Numpy的一些函数，也适用于Series类型，但Series与ndarray数组对于空值NaN的计算处理方式上是不同的。【Numpy的计算，会得到NaN，而Series会忽略NaN】

s1 = pd.Series([1, 2, 3])
# 广播运算
s1 + 100
s2 = pd.Series([4, 5, 6])
# 矢量化运算。
s1 + s2
# np.sum,np.mean等函数，也支持Series类型。
# print(np.sum(s1))

# 注意，在矢量化计算上，Series与ndarray的对齐方式是不同的。
# 对于ndarray，就是进行对位运算。而Series会根据索引进行对齐运算。无法匹配的，会产生空值（NaN）。
s1 = pd.Series([1, 2, 3], index=[0, 1, 2])
s2 = pd.Series([2, 3, 4], index=[1, 2, 3])
# s3 = s1 + s2
# print(s3)
# print(s3.isnull())
# isnull视NaN与None为空值。用来判断是否为空值，是返回True，否则返回False。
s = pd.Series([1, 2, float("NaN"), np.NAN, None])
# s.isnull()
# notnull与isnull相反，用来判断是否不是空值。不是空值返回True，否则返回False。
# s.notnull()

# s1 + s2
# 除了使用运算符之外，我们也可以使用Series对象的计算函数，来进行运算。
# 可以使用fill_value来指定，当产生空值后，使用什么值进行填充。
# s1.add(s2, fill_value=500)

# 尽管np.sum，np.mean支持Series，但是，Series类型与ndarray数组类型，运行的行为
# 有些不同。对于NaN（空值），ndarray数组会返回Nan，而Series不会（会忽略空值）。
a = np.array([1, 2, 3, np.nan])
# np.sum(a)
s = pd.Series([1, 2, 3, np.nan])
np.sum(s)

索引

标签索引与位置索引

如果Series对象的index值为非数值类型，通过[索引]访问元素，索引既可以是标签索引，也可以是位置索引。这会在一定程度上造成混淆。我们可以通过：

• loc 仅通过标签索引访问。
• iloc 仅通过位置索引访问。

这样，就可以更加具有针对性去访问元素。

整数数组索引与布尔数组索引

Series也支持使用整数数组与布尔数组进行索引。与Numpy数组相同，二者返回的是原数组数据的拷贝（复制）。
说明：

• 与ndarray数组的整数索引不太相同，Series的整数数组索引，既可以是标签数组索引，也可以是位置数组索引。

# s = pd.Series([10, 20, 30], index=["a", "b","c"])
# 标签索引
# s["a"]
# 位置索引
# s[1]

# 当标签索引是数值类型时，位置索引失效。
# s = pd.Series([10, 20, 30], index=[2, 3, 4])
# s[2]
# s[0]

# 因为通过Series[索引]的方式访问元素，既支持标签索引，也支持位置索引（如果标签是数值类型，则位置索引失效）。
# 因此，非常容易造成混淆。建议不要这样访问。
# 建议使用.iloc与loc的方式访问。
# .iloc专门通过位置索引访问。
# .loc专门通过标签索引访问。
# s = pd.Series([10, 20, 30], index=["a", "b","c"])
# s.iloc[2]
# 错误，iloc不支持标签索引。
# s.iloc["a"]
# s.loc["a"]
#  错误，loc不支持位置索引。
# s.loc[0]

切片

Series也支持切片访问一个区间的元素。与Numpy的数组相同，切片返回的是原数组数据的视图。

Series的切片与Numpy的ndarray数组对象切片是否存在不同？

s = pd.Series([5, 8, 10, 39, 3, 83], index=list("abcdef"))
# 切片返回的是原数组的视图。
# x = s.iloc[2 : 5]
# x.iloc[0] = 3000000
# print(x)
# print(s)

#  切片，可以分为两种：
# 1位置索引切片
# 2标签索引切片
# Series既可以通过位置索引切片，也可以通过标签索引切片。
# 当通过位置索引切片时，包含起始点，不包含终止点。
# 当通过标签索引切片时，包含起始点，也包含终止点。

x = s.loc["a":"e"]
x

Series的CRUD

Series索引-数值CRUD操作：

• 获取值
• 修改值
• 增加索引-值
• 删除索引-值

s = pd.Series([1, 2, 3, 4], index=["a", "b", "c", "d"])
# 不建议使用
print(s[0])
# print(s.ix[0])
# print(s.ix["a"])
# 建议的访问方式
print(s.iloc[0])
print(s.loc["a"])

# 修改值
s.iloc[0] = 1000
# 增加索引值
s["e"] = 11111
# print(s)

# 删除键值对（字典的方式）
# del s["e"]
# 删除键值对（Series的方式）
# s = s.drop("e")
# 就地修改

# inplace指定是否要进行就地修改。默认为False（返回一个新的对象）
# 当指定inplace=True时，会影响到方法的返回值。
# 如果inplace值为False（默认），不会修改现有的Series对象，而是返回一个新创建的对象。
# 新创建的对象为现有Series对象修改之后的结果。
# 如果inplace值为True，会对现有Series对象进行就地修改，不会创建新的对象，方法返回值为None。
# print(s.drop("e", inplace=True))

# drop方法也可以删除多个值。
s.drop(["e", "a", "c"], inplace=True)
print(s)

部分内容参考光环笔记！希望对大家有所帮助