python(三)pandas

pandas介绍

pandas是基于numpy的用于科学计算和数据分析的python的第三方库，其功能有：

• 读写不同数据格式的数据
• 选择数据子集
• 进行行列计算
• 查找填充缺失的数据
• 将操作应用于数据中独立的组
• 将数据重塑为其他格式
• 组合多组数据集
• 高级时间序列功能
• 通过matplotlib或seaborn可视化

pandas基础

引入pandas模块

import pandas as pd

pandas主要有Series和DataFrame两种数据类型：

Series类型

Series由一组数据以及由这组数据相关的索引组成：

索引	数据
index_1	data_b
index_2	data_c
index_3	index_d

eg:

a = pd.Series([1,2,3])

output:

>>>b = pd.Series([1,2,3,3], index= ['a','b','c'],'d') #自定义索引
>b
a	1
b	2
c	3
d	3
dtype = int64

Series可从pyhton列表、python字典、ndarray、标量中创建

Series的操作十分类似于ndarray的操作(使用[]进行索引与切片)，也类似于python的字典类型(可以使用in和.get等)

Series的索引对齐：

>>>a = pd.Series([1,2,3],['c', 'd', 'e'])
>>>b = pd.Series([3, 4, 5, 6],['a', 'b', 'c', 'd'])
>>>a+b
>a	NaN
 b	NaN
 c	6
 d	9
 e	NaN

DataFrame类型

DataFrame是由共用相同索引的一组列所组成：

• DataFrame是一个表格类型的数据类型，每列值类型可以不同
• 既有行索引(index)，也有列索引(column)
• 常用于表达二维数据，但也可以表达多维数据

DataFrame可以由
二维ndarray类型
由一维ndarray、列表、字典、元组或Series构成的字典
Series类型
其他DataFrame类型
创建

eg:

d = pd.DataFrame(np.arange(10).reshape(2,5))

out:

eg:

purchase_1 = pd.Series({'Name': 'Chris',
                        'Item Purchased': 'Dog Food',
                        'Cost': 22.50})
purchase_2 = pd.Series({'Name': 'Kevyn',
                        'Item Purchased': 'Kitty Litter',
                        'Cost': 2.50})
purchase_3 = pd.Series({'Name': 'Vinod',
                        'Item Purchased': 'Bird Seed',
                        'Cost': 5.00})
df = pd.DataFrame([purchase_1, purchase_2, purchase_3], index=['Store 1', 'Store 1', 'Store 2'])

out:

数据类型操作

重新索引 .reindex(index = None, columns = None, fill_value=…)

参数	功能
index,columns	新的行列自定义索引
fill_value	重新索引中用于填充缺失值的值，默认为NaN
method	填充方法，ffill为当前值向前填充，bfill向后填充
limit	最大填充量
copy	默认为True，生成新的对象，False时，新旧相等不复制

Series和DataFrame的缩影类型都是index类型，而index对象是不可修改的类型
索引类型的方法

数据排序：