pandas简介

数据分析的流程：

设定问题—》获取数据—》整理及清洗数据—》数据分析及可视化—》建立模型（预测性的分析）—》撰写报告

简介

Pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。Pandas提供了大量能使我们快速便捷地处理数据的函数和方法。

作用：数据读写；数据整理；数据分析。利用Pandas进行数据操作、预处理、清洗是Python数据分析中的重要技能。

数据结构

不管是Excel还是数据库他们存储数据的方式都是以表格样式进行存储，有行、有列，并且每一行和每一列都有自己的索引，方便我们获取数据。每一行的数据其实就是我们存储的一条数据信息。

Pandas的DataFrame的结构就和他们相同，Series的结构和表中的行的结构相同。

# 导入pandas模块
import pandas as pd

#通过Series存储每个英雄的基本信息
#创建Series
s1 = pd.Series([1001,'鲁班','18','150.00','男'])
s2 = pd.Series([1002,'小乔','19','167.00','女'])
s3 = pd.Series([1003,'关羽','30','180.00','男'])
s4 = pd.Series([1004,'蔡文姬','20','160.00','女'])
s5 = pd.Series([1005,'兰陵王','22','165.00','男'])

series_list=[s1,s2,s3,s4,s5]

#创建一个DataFrame对象存储通讯录
df=pd.DataFrame(series_list)

# 打印刚刚构造的DataFrame
print(df)

      0    1   2       3  4
0  1001   鲁班  18  150.00  男
1  1002   小乔  19  167.00  女
2  1003   关羽  30  180.00  男
3  1004  蔡文姬  20  160.00  女
4  1005  兰陵王  22  165.00  男

整个数据被分为三部分：行索引（index），列索引（columns）及数据内容（data）。行、列索引的值在没有自定义的时候，会被默认设置上0-N的值，索引的作用就是为了更好的认知和查询数据。

Series的创建

Series是Pandas中最基本的对象，Series类似一种一维数组。事实上，Series 基本上就是基于 NumPy 的数组对象来的。和 NumPy 的数组不同，Series 能为数据自定义标签，也就是索引（index），然后通过索引来访问数组中的数据。

# 导入Series
from pandas import Series,DataFrame

# 创建Series，使用默认索引
sel =  Series(data=[1,'开开心心',20,'高高兴兴']) # Series(data,index)
print(sel)

0       1
1    开开心心
2      20
3    高高兴兴
dtype: object

一个Series其实就是一条数据，Series方法的第一个参数是data，第二个参数是index(索引)，如果没有传值会使用默认值（0-N）递增。

# 导入Series
from pandas import Series,DataFrame

# 创建Series，使用自定义索引
sel =  Series(data=[1,'小明',20,'各科全面发展'],
              index = ['排名','姓名','年龄','评语']) # index参数是我们自定义的索引值，注意：参数值的个数一定要相同
print(sel)

排名         1
姓名        小明
年龄        20
评语    各科全面发展
dtype: object

# 在创建Series时数据并不一定要是列表，也可以将一个字典传进去。
from pandas import Series,DataFrame

# 将字典转换为Series
dic={"排名":1,"姓名":'小明',"年龄":20,"评语":'各科全面发展'}
se2=Series(data=dic)
print(se2)
print(type(se2))

排名         1
姓名        小明
年龄        20
评语    各科全面发展
dtype: object
<class 'pandas.core.series.Series'>

从运行结果可看出，字典的键将成为索引，字典的值是索引对应的值。

综上可以看出，Series是一组带索引数组，与list相似，一般我们用其承装一条数据或者一行数据。多个Series可组成一个DataFrame。

DataFrame的创建

DataFrame（数据表）是一种 2 维数据结构，数据以表格的形式存储，分成若干行和列。

调用DataFrame()可以将多种格式的数据转换为DataFrame对象，它的的三个参数data、index和columns分别为数据、行索引和列索引。DataFrame的数据结构类似Excel。

from pandas import DataFrame
stu_list=[['bai',24,90],
          ['jia',23,99],
          ['hei',23,87]]
df=DataFrame(data=stu_list)
df

	0	1	2
0	bai	24	90
1	jia	23	99
2	hei	23	87

from pandas import DataFrame
stu_list=[['bai',24,90],
          ['jia',23,99],
          ['hei',23,87]]
index = [1001,1002,1003]
column = ['name','age','grade']
df=DataFrame(data=stu_list,index=index,columns=column) # 自定义行索引与列索引
df

	name	age	grade
1001	bai	24	90
1002	jia	23	99
1003	hei	23	87

# 通过字典创建DataFrame
from pandas import DataFrame
stu_dic={'name':['bai','jia','hei'],
          'age':[24,23,23],
          'grade':[90,99,87]}
index = [1001,1002,1003]
df=DataFrame(data=stu_dic,index=index) # 自定义行索引与列索引
df

	name	age	grade
1001	bai	24	90
1002	jia	23	99
1003	hei	23	87

字典的键将作为列索引，字典的值将作为一列数据传入

# 渣男备忘录
from pandas import Series,DataFrame
import pandas as pd
index_list=['No1','No2','No3']
dic={
    '姓名': Series(['娜娜','喵喵','汪汪'], index=index_list), # 将表格中每一列创建为Series，作为字典的值
    '性格': Series(['可爱单纯','风骚火辣','性感高冷'],index=index_list),
    '爱好': Series(['逛街、电影、爱吃甜','喝酒、蹦迪、爱吃辣','看书、烘焙、爱吃酸'],index=index_list),
    '安排': Series(['2019-2-14去看电影','2019-2-16去蹦迪','2019-2-18去烘焙'],index=index_list)
    
}
df=DataFrame(dic)
print(df)

     姓名    性格         爱好             安排
No1  娜娜  可爱单纯  逛街、电影、爱吃甜  2019-2-14去看电影
No2  喵喵  风骚火辣  喝酒、蹦迪、爱吃辣   2019-2-16去蹦迪
No3  汪汪  性感高冷  看书、烘焙、爱吃酸   2019-2-18去烘焙