Python数据分析处理库——Pandas

DataFrame

使用Pandas库时，需提前引用：

import pandas as pd

Pandas库中的主要函数和操作：

• 读取数据：a = pd.read_csv('csv文件‘’)
• 数据类型：
  • a的类型：type(a)：DataFrame
  • a中元素包含的数据类型：a.dtypes：int，float，object，datatime，bool
• 显示
  • 头几行数据：a.head() 默认显示5行，可在()中设定显示的行数
  • 尾几行数据：a.tail()
• 结构：a.shape()
• 抽取数据
  • 行数据：a.loc[行号]
  • 列数据：a[“列名”]
  • 具体数据：a.loc[行号, “列名”]
  • 将所有列名以列表形式输出：a.columns.tolist()
• 设定索引：a.set_index('索引名‘, drop = True)
  • True：原索引不能使用
  • False：原索引也能使用
• 计算
  • 相同维度的dataframe进行计算：对应位置进行相应的操作
  • 不同维度的dataframe进行计算：分别计算
  • 均值：a.mean()
  • 对应列的最大值：a["列名“”].max()
• 可进行新建列并赋值的操作
• 排序：a.sort_values(“列名”, inplace = True, ascending =True)
  • inplace：是否在原dataframe上操作
  • ascending：升序还是降序排列
  • 根据排序结果重新设置索引：a.reset_index(drop = True)
• 缺失值
  • 判断：a.isnull()
  • 去除：a.dropa(axis = 0, subset = “列名”)
• 两列数据之间的关系：a.pivot_table(index = “列名1”, value = “列名2”, aggfun)
  • index：基准
  • value：关系值
  • aggfun：关系函数，默认为np.mean，可设置为np.sum等
• 自定义函数：a.apply(函数名)

Series

使用前从Pandas库中引用Series：

from pandas import Series

• DataFrame由Series构成，DataFrame中每一行（列）都是一个Series
• Series由ndarray构成，因此Pandas库以Numpy库为基础，可使用其大部分操作
• 排序：
  • sorted()
  • reindex：类似于DataFrame中的reset_index
  • sort_index：根绝索引排序
  • sort_values：根据值排序
• 计算
  • 相同维度的Series：对应位置进行相应的操作
  • 不同维度的Series：分别计算