pandas库
pandas库函数速查表
pandas数据类型
两个数据类型:Series,DataFrame
可以进行基本操作、运算操作、特征类操作、关联类操作
Numpy | pandas |
---|---|
基础数据类型 | 扩展数据类型 |
关注数据的结构表达 | 关注数据的应用表达 |
Series类型
由一组数据及与之相关的数据索引组成。
Series类型可由如下类型创建
- python列表
b = pd.Series([9,8,7,6],index=['a','b','c','d']) # 自定义索引值
- 标量值 (不能省略index=)
b = pd.Series(25,index=['a','b','c','d'])
- python字典
d = pd.Series({'a':9,'b':8,'c':7}) # index从字典中进行选择操作
e = pd.Series({'a':9,'b':8,'c':7},index=['c','a','b','d'])
# 结果
c 7.0
a 9.0
b 8.0
d NaN
dtype: float64
- ndarray
n = pd.Series(np.arange(5)) n = pd.Series(np.arange(5),index=np.arange(9,4,-1))
- 其他函数
d = pd.Series(range(20))
Series类型的基本操作
包括index和values两部分
b = pd.Series([9,8,7,6],index=['a','b','c','d'])
b.index
> > > Index(['a', 'b', 'c', 'd'], dtype='object')
> > > b.values
> > > array([9, 8, 7, 6], dtype=int64)
> > > b['b'] # 自定义索引
> > > 8
> > > b[1] # 自动索引
> > > 8
# 两套索引并存,但不能混用
b[['a','d',0]]
a 9.0
d 6.0
0 NaN
dtype: float64
b[['c','d','a']]
c 7
d 6
a 9
dtype: int64
Series类型的操作类似ndarray类型
- 索引方法相同,采用[]
- Numpy中运算和操作可用于Series类型
- 可以通过自定义索引的列表进行切片
- 可以通过自动索引进行切片,如果存在自定义索引,则一同被切片
Series类型的操作类似python字典类型
- 通过自定义索引访问
- 保留字in操作
- 使用.get()方法
Series类型对齐操作
Series类型在运算中会自动对齐不同索引的数据
相同索引值的元素进行计算
a = pd.Series([1,2,3],['c','d','e'])
b = pd.Series([9,8,7,6],index=['a','b','c','d'])
a+b
# 结果
a NaN
b NaN
c 8.0
d 8.0
e NaN
dtype: float64
Series类型的name属性
series对象和索引都可以有一个名字,存储在属性.name中。
b = pd.Series([9,8,7,6],index=['a','b','c','d'])
b.name = 'Series对象'
b.index.name = '索引列'
b
# 结果
索引列
a 9
b 8
c 7
d 6
Name: Series对象, dtype: int64
DataFrame类型
DataFrame是一个表格型的数据类型,每列值类型可以不同
DataFrame常用于表达二维数据,但也可以表达多维数据
行索引 index axis=0
列索引 column axis=1
DataFrame类型可由如下类型创建
- 二维ndarray对象
d = pd.DataFrame(np.arange(10).reshape(2,5))
- 由一维ndarray、列表、字典、元组或Series构成的字典
dt = {'one':pd.Series([1,2,3],index=['a','b','c']), 'two':pd.Series([9,8,7,6],index=['a','b','c','d'])}
d = pd.DataFrame(dt)
d
pd.DataFrame(dt,index=['b','c','d'],columns=['two','three'])
d1 = {'one':[1,2,3,4],'two':[9,8,7,6]}
d = pd.DataFrame(d1,index=['a','b','c','d'])
d.index
d.columns
d.values
d.ix['index'] # 获取一行数据
- Series类型
- 其他的DataFrame类型
pandas库的数据类型操作
重新索引
df.reindex(index= ,columns= ) # 能够改变或重排Series和DataFrame索引
参数 | 说明 |
---|---|
index,columns | 新的行列自定义索引 |
fill_value | 重新索引中,用于填充缺失位置的值 |
method | 填充方法,ffill当前向前填充,bfill向后填充 |
limit | 最大填充量 |
copy | 默认True,生成新的对象,False时,新旧相等不复制 |
newc = d.columns.insert(4,'新增')
newd = d.reindex(columns=newc,fill_value=200)
索引类型常用的方法
方法 | 说明 |
---|---|
.append(idx) | 连接另一个Index对象,产生新的Index对象 |
.diff(idx) | 计算差集,产生新的Index对象 |
.intersection(idx) | 计算交集 |
.union(idx) | 计算并集 |
.delete(loc) | 删除loc位置处的元素 |
.insert(loc,e) | 在loc位置增加一个元素e |
删除指定索引对象
df.drop() # 能够删除Series和DataFrame指定行或列索引
a.drop(['b','c'])
d.drop('c5')
d.drop('同比',axis=1)
pandas库的数据类型运算
算数运算法则
- 根据行列索引,补齐后运算,运算默认产生浮点数
- 补齐时缺项填充NaN(空值)
- 不同维度(二维和一维、一维和零维间)为广播运算
一维Series默认在轴1参与运算
- 采用±*/符号进行的二元运算产生新的对象
方法 | 说明 |
---|---|
.add(d,**argws) | 类型间加法运算,可选参数 |
.sub(d,**argws) | 类型间减法运算,可选参数 |
.mul(d,**argws) | 类型间乘法运算,可选参数 |
.div(d,**argws) | 类型间除法运算,可选参数 |
比较运算法则
- 比较运算只能比较相同索引的元素,不进行补齐
- 不同维度(二维和一维、一维和零维间)为广播运算
- 采用> < >= <= == !=等符号进行的二元运算产生布尔对象
pandas库的数据排序
# 在指定轴上根据索引进行排序,默认升序
d.sort_index(axis=0,ascending=True)
# 在指定轴上根据数值进行排序,默认升序
Series.sort_values(axis=0,ascending=True) DataFrame.sort_values(by,axis=0,ascending=True)
# by:axis轴上的某个索引或索引列表
# NaN统一放到排序末尾
数据基本统计分析
基本的统计分析函数
适用于Series和DataFrame类型
方法 | 说明 |
---|---|
.sum() | 计算数据的总和,按0轴计算,下同 |
.count() | 非NaN值的数量 |
.mean() .median() | 计算数据的算数平均值、算数中位数 |
.var() .std() | 计算数据的方差、标准差 |
.min() .max() | 计算数据的最小值、最大值 |
.describe() | 针对0轴(各列)的统计汇总 |
适用于Series类型
方法 | 说明 |
---|---|
.argmin() .argmax() | 计算数据最大值、最小值所在位置的索引位置(自动索引) |
.idxmin() .idxmax() | 计算数据最大值、最小值所在位置的索引位置(自定义索引) |
数据的累计统计分析
累计统计分析函数
适用于Series和DataFrame类型
方法 | 说明 |
---|---|
.cumsum() | 依次给出前1、2、… 、n个数的和 |
.cumprod | 依次给出前1、2、… 、n个数的积 |
.cummax() | 依次给出前1、2、… 、n个数的最大值 |
.cummin() | 依次给出前1、2、… 、n个数的最小值 |
滚动计算(窗口计算)
方法 | 说明 |
---|---|
.rolling(w).sum() | 依次计算相邻w个元素的和 |
.rolling(w).mean() | 依次计算相邻w个元素的算术平均值 |
.rolling(w).var() | 依次计算相邻w个元素的方差 |
.rolling(w).std() | 依次计算相邻w个元素的标准差 |
.rolling(w).min() .max() | 依次计算相邻w个元素的最小值和最大值 |
数据的相关分析
相关性
- X增大,Y增大,两个变量正相关。
- X增大,Y减小,两个变量负相关。
- X增大,Y无视,两个变量不相关。
协方差度量两个变量的相关性
- 协方差>0,X和Y正相关。
- 协方差<0,X和Y负相关。
- 协方差=0,X和Y独立无关。
pearson相关系数
相关分析函数
方法 | 说明 |
---|---|
.cov() | 计算协方差矩阵 |
.corr() | 计算相关系数矩阵,pearson、spearman、kendall 等系数 |