数据分析（一）——Pandas的运用，Series对象Series索引，位置索引，标签索引，切片索引,列表,标签方式创建DataFrame对象,DataFrame重要属性，DataFrame重要函数

一.初识Pandas

Pandas 是数据分析三剑客之一，是 Python 的核心数据分析库

●1.Pandas 能够处理的数据类型

．与 SQL 或 Excel 表类似的数据
．有序或无序的时间序列数据
．带行列标签的矩阵数据
．任意其他形式的观测、统计数据

2. Pandas 的优势

．处理浮点与非浮点数据里的缺失数据，表示为 NaN 
．大小可变
．自动、显示数据对齐
．强大、灵活的分组统计功能
．成熟的导入导出工具

二,Series对象 

·Pandas库中的一种数据结构，类似于一维数组
·由一组数据以及与这组数据有关的标签（索引）组成
·Series对象可以存储整数、浮点数、字符串、Python对象等多种数据类型的数据
.如何创建Series对象

● pd.Series(data,index=index)

import pandas as pd 
data = ['李广','小明','小屁股']
s  = pd.Series(data = data, index =[1,2,3])
# index手动修改索引
print(s)
print(type(s))

可以将人名改为索引

import pandas as pd 
data = ['90','91','92']
index = ['占山','李四','王五']
s  = pd.Series(data = data, index =index)
# index手动修改索引
print(s)

1.Series的索引

a.位置索引

. 索引范围［0,N-1]I

b,标签索引

. [索引名称］
. 获取多个标签索引值使用［[标签索引1，标签索引2…]]

c. 切片索引

·[start:stop:step]

d.获取Series的索引和值

．获取索引    s.index
.   获取值       s.values

位置索引

标签索引

多个标签索引案例

切片的操作--位置索引（含头不含尾）

位置索引含头不含尾

切片的操作--标签索引（含头含尾）

标签索引含头含尾

获取Series的索引和值

三.DataFrame对象

●DataFrame对象是Pandas库中的一种数据结构，类似于二维表，由行和列组成。
●与Series一样支持多种数据类型
●创建DataFrame对象

●pd.DataFrame(data,index,columns,dtype)

 dtype是每一列数据的数据类型 （小太阳在pandas中是object类型）

（单价的数据类型是float64类型）

 

1.创建DataFrame对象示例如下：

1.1列表方式创建DataFrame对象

import pandas as pd 
data = [['小太阳',320,100],['鼠标',150,50],['小刀',1,200]]
columns = ['名称','单价','数量']
df = pd.DataFrame(data=data,columns=columns)
print(df)

1.2字典方式创建DataFrame对象

#字典方式创建DataFrame对象
import pandas as pd 
data={
    '名称':['小太阳','鼠标','小刀'],
    '单价':[320.9,150,1.5],
    '数量':[10,50,20]
}
df = pd.DataFrame(data=data,columns=columns)
print(df)

名称，单价，数量都是列表，最后一列的值是一个字符串

字典所对应的是一个值的时候，就不用列表了，写出来后，每行都采用相同的一个值。

四.DataFrame重要属性

#字典方式创建DataFrame对象
import pandas as pd
data={
    '名称':['小太阳','鼠标','小刀'],
    '单价':[320.9,150,1.5],
    '数量':[10,50,20]
    }
df = pd.DataFrame(data=data)
print(df)
print('查看所有元素的值',df.values)
print('查看所有元素的类型',df.dtypes)
print('查看所有的行索引',df.index)
print('查看所有行名称',list(df.index))
df.index = [1,2,3]
print(df)

修改行列表

df.columns=['商品名称','最新单价','实时数量']
print(df)

行列数据的转换

#行列数据的转换
pd.set_option('display.unicode.east_asian_width',True) # 规整 格式
new_df = df.T
print(new_df)

print('查看前N条数据',df.head(1))
print('查看后N条数据',df.tail(1))

# 查看有少行，多少列
print('行',df.shape[0],'列',df.shape[1])

print('查看索引,数据类型，内存信息\n',df.info)

五.DataFrame的重要函数

import pandas as pd
data={
    '名称':['小太阳','鼠标','小刀'],
    '单价':[320.9,150,1.5],
    '数量':[10,50,20]
   
}
df = pd.DataFrame(data=data)
print(df)

print(df.describe())

# 非空值的个数
print(df.count())