一. Pandas概述
Pandas是数据分析三大剑客之一,是Python的核心数据分析库,它提供了快速、灵活、明确的数据结构,能够简单、直观、快速地处理各种类型的数据,具体介绍如下所示。
Pandas能够处理以下类型的数据。
1.与SQL或Excel表类似的数据。
2.有序和无序(非固定频率)的时间序列数据。
3.带行、列标签的矩阵数据。
4.任意其他形式的观测、统计数据集。
Pandas提供的两个主要数据结构Series(一维数组结构)与DataFrame(二维数组结构),可以处理金融、统计、社会科学、工程等领域里的大多数典型案例,并且Pandas是基于NumPy开发的,可以与其他第三方科学计算库完美集成。 Pandas的功能很多,它的优势如下。
1.处理浮点与非浮点数据里的缺失数据,表示为NaN。(not a number)
2.大小可变,例如插入或删除DataFrame等多维对象的列。
3.自动、显式数据对齐,显式地将对象与一组标签对齐,也可以忽略标签,在Series、DataFrame计算时自动与数据对齐。
4.强大、灵活的分组统计(groupby)功能,即数据聚合、数据转换。
5.把Python和NumPy数据结构里不规则、不同索引的数据轻松地转换为DataFrame对象。
6.智能标签,对大型数据集进行切片、花式索引、子集分解等操作。
7.直观地合并(merge)、连接(join)数据集。 灵活地重塑(reshape)、透视(pivot)数据集。
8.成熟的导入、导出工具,导入文本文件(CSV等支持分隔符的文件)、Excel文件、数据库等来源的数据,导出Excel文件、文本文件等,利用超快的HDF5格式保存或加载数据。
9.时间序列:支持日期范围生成、频率转换、移动窗口统计、移动窗口线性回归、日期位移等时间序列功能。
例1.读取excel数据
01 import pandas as pd #导入pandas 模块 02 df=pd.read_excel('data.xlsx') #读取Excel 文件 03 df.head(5) #显示前5 条数据
二. series 对象
Pandas是Python数据分析重要的库,而Series和DataFrame是Pandas库中两个重要的对象,也是Pandas中两个重要的数据结构,如图所示。
本节将主要介绍Series对象。
2.1 图解Series对象
Series是Python的Pandas库中的一种数据结构,它类似一维数组,由一组数据以及与这组数据相关的标签(即索引)组成,或者仅有一组数据没有索引也可以创建一个简单的Series。Series可以存储整数、浮点数、字符串、Python对象等多种类型的数据。 例如,在成绩表上图中包含了Series对象和DataFrame对象,其中“语文”“数学”“英语”3列中的每一列均是一个Series对象,而“语文”“数学”“英语”3列组成了一个DataFrame对象,如下图所示。
2.2 创建一个series对象
创建Series对象主要使用Pandas的Series()方法,语法如下:
import pandas as pd
s=pd.Series(data,index=index)
参数说明:
data:表示数据,支持Python字典、多维数组、标量值(即只有大小,没有方向的量。也就是说,只是一个数值,如s=pd.Series(5))。 index:表示行标签(索引)。
返回值:Series对象。
说明 当data参数是多维数组时,index长度必须与data长度一致。如果没有指定index参数,则自动创建数值型索引(从0~data数据长度-1)。
2.2.1创建一个空的Series对象
例2. 创建一个空的Series对象
import pandas as pd
s = pd.Series()
print(s)
print(type(s))
运行程序,控制台输出结果如下:
2.2.2通过列表创建一个Series对象
l = [1, 2, 3, 4]
s = pd.Series(l)
print(s)
print('-'*20)
print(type(s))
运行程序,控制台输出结果如下:
2.2.3通过元组创建一个Series对象
t = (1, 2, 3)
s = pd.Series(t)
print(s)
print('-'*20)
print(type(s))
运行程序,控制台输出结果如下:
2.2.4通过字典创建一个Series对象
m = {'zs': 12, 'ls': 23, 'ww': 22}
s = pd.Series(m)
print(s)
print('-'*20)
print(type(s))
运行程序,控制台输出结果如下:
2.3 手动设置series索引
创建Series对象时会自动生成整数索引,默认值从0开始至数据长度减1。如0、1、2。除了使用默认索引,还可以通过index参数手动设置索引。
num = 999
s = pd.Series(num, index=[1, 2, 3, 4])
print(s)
print('-'*20)
print(type(s))
运行程序,控制台输出结果如下:
2.4 series常用属性
2.4.1获取series对象的索引和值
获取Series索引和值主要使用Series的index和values方法。
例9 获取物理成绩的索引和值。下面使用Series的index和values方法获取物理成绩的索引和值,程序代码如下:
import pandas as pd
s1=pd.Series([88,60,75])
print(s1.index)
print(s1.values)
运行程序,控制台输出结果如下:
RangeIndex(start=0, stop=3, step=1) [88 60 75]
2.4.2 获取元素数量和对象的数据类型
获取series对象的元素数量和元素数据类型可以使用size和dtype方法
import pandas as pd
s1=pd.Series([88,60,75])
print(s1.size)
print(s1.dtype)
运行程序,控制台输出结果如下:
3
dtype('int64')
三. Series常用方法
3.1 sort_values() ---- 根据元素值进行排序
-
ascending:True为升序(默认),False为降序
升序主要代码如下:
import pandas as pd
l = [4, 2, 1, 3]
s = pd.Series(l)
print(s)
print()
s1 = s.sort_values(ascending=True)
print(s1)
运行后结果如下:
3.2 sort_index() ---- 根据元素索引进行排序
-
ascending:True为升序(默认),False为降序
升序
主要代码:
l = [12, 23, 24, 34]
s = pd.Series(l, index=['zs', 'ls', 'ww', 'zl'])
print(s)
print()
s1 = s.sort_index( )
print(s1)
输出结果如下:
3.3 apply() ---- 根据传入的函数参数处理 Series 对象
-
需要传入一个函数参数
apply()用法的主要代码如下:
运行程序,控制台输出结果如下:
3.4 head() ---- 查看 Series 对象的前 n 个元素
-
需要传入一个数 n ,表示查看前 n 个元素,默认为前5个
head()用法主要代码如下:
运行程序,控制台输出结果如下:
3.5 tail() ---- 查看 Series 对象的后 n 个元素
-
需要传入一个数 n ,表示查看后 n 个元素,默认为后5个
tail()的使用方式和head完全一样,可通过参考head用法自行理解
四.Series 的常用操作
4.1 Series 对象的数据访问
4.1.1 使用数字索引进行访问
4.1.1.1 未自定义索引
运行程序,控制台输出结果如下:
4.1.1.2 自定义索引
运行程序,控制台输出结果如下:
4.1.2 使用自定义标签索引进行访问
运行程序,控制台输出结果如下:
4.1.3 使用索引掩码进行访问
代码运行效果如下:
4.1.4 一次性访问多个元素
注意:此时多个元素访问需要额外加上['索引1','索引2']
程序运行结果如下所示:
4.2 Series 对象数据元素的删除
4.2.1 pop()
-
传入要删除元素的标签索引
pop()的使用
运行结果如下:
4.2.2 drop()
-
传入要删除元素的标签索引
drop()的用法
运行代码如下:
4.3 Series 对象数据元素的修改
4.3.1 通过自定义索引进行修改
s['zs'] = 22
4.3.2 通过数字索引进行修改
s[1] = 22
4.4 Series 对象数据元素的添加
4.4.1 通过标签索引添加
通过标签索引添加
运行结果如下:
4.4.2 append()
-
需要传入一个要添加到原 Series 对象的 Series 对象
例24. append()用法
运行结果如下:
☆☆☆注意:新版本的append方法已弃用,如要使用可通过_append()即可
小结
(1)Series是Pandas中的数据结构;
(2)Series是DataFrame的一列数据;
(3)Series的索引,默认为0,1,2,3,4,5...,与列表不同的是Series的index可以自定义,列表不能自定义索引;
(4)Series有名字name,相当于列名;
(5)Series数据是对列表的封装; 总结成一句话就是: Series是由一维数组组成,具有索引和名称,且可以自定义索引的一种数据结构。