https://www.runoob.com/pandas/pandas-tutorial.html
一、什么是pandas,能做什么
Pandas 是 Python 语言的一个扩展程序库,用于数据分析。
Pandas 是一个开放源码、BSD 许可的库,提供高性能、易于使用的数据结构和数据分析工具。
Pandas 名字衍生自术语 “panel data”(面板数据)和 “Python data analysis”(Python 数据分析)。
Pandas 一个强大的分析结构化数据的工具集,基础是 Numpy(提供高性能的矩阵运算)。
Pandas 可以从各种文件格式比如 CSV、JSON、SQL、Microsoft Excel 导入数据。
Pandas 可以对各种数据进行运算操作,比如归并、再成形、选择,还有数据清洗和数据加工特征。
Pandas 广泛应用在学术、金融、统计学等各个数据分析领域。
二、pandas 基础数据结构
pandas有两个基础的数据结构,Series和DataFrame,两者关系:DataFrame可以理解为一张表格,Series为表格里的列,在DataFrame中,所有Series使用共同的索引。
Pandas Series 类似表格中的一个列(column),类似于一维数组,可以保存任何数据类型。
Series 由索引(index)和列组成,函数如下:
# pandas.Series( data, index, dtype, name, copy)
#data:一组数据(ndarray 类型)。
#index:数据索引标签,如果不指定,默认从 0 开始。
#dtype:数据类型,默认会自己判断。
#name:设置名称。
#copy:拷贝数据,默认为 False。
import pandas as pd
a = [1, 2, 3]
myvar = pd.Series(a)
print(myvar) # print(myvar[1])
a = ["Google", "Runoob", "Wiki"]
myvar = pd.Series(a, index = ["x", "y", "z"])
print(myvar["y"])
sites = {1: "Google", 2: "Runoob", 3: "Wiki"}
myvar = pd.Series(sites)
print(myvar)
#只需要字典的一部分,则index指定index
sites = {1: "Google", 2: "Runoob", 3: "Wiki"}
myvar = pd.Series(sites, index = [1, 2])
print(myvar)
DataFrame 是一个表格型的数据结构,它含有一组有序的列,每列可以是不同的值类型(数值、字符串、布尔型值)。DataFrame 既有行索引也有列索引,它可以被看做由 Series 组成的字典(共同用一个索引)。
#pandas.DataFrame( data, index, columns, dtype, copy)
#data:一组数据(ndarray、series, map, lists, dict 等类型)。
#index:索引值,或者可以称为行标签。
#columns:列标签,默认为 RangeIndex (0, 1, 2, …, n) 。
#dtype:数据类型。
#copy:拷贝数据,默认为 False。
import pandas as pd
#使用列表创建
data = [['Google',10],['Runoob',12],['Wiki',13]]
df = pd.DataFrame(data,columns=['Site','Age'],dtype=float)
print(df)
#使用ndarray创建
data = {'Site':['Google', 'Runoob', 'Wiki'], 'Age':[10, 12, 13]}
#使用字典创建
data = [{'a': 1, 'b': 2},{'a': 5, 'b': 10, 'c': 20}]
data = {
"calories": [420, 380, 390],
"duration": [50, 40, 45]
}
# 数据载入到 DataFrame 对象
df = pd.DataFrame(data)
# 返回第一行
print(df.loc[0])
# 返回第二行
print(df.loc[1])
# 返回第一行和第二行
print(df.loc[[0, 1]])
#指定索引
df = pd.DataFrame(data, index = ["day1", "day2", "day3"])
print(df.loc["day2"])
三、DataFrame操作
df = pd.read_csv('nba.csv')
print(df.to_string())
print(df.head())
print(df.head(10)) #前十行
print(df.tail(10)) #后十行
cols = data.columns.values #列
for c in cols:
print(c)
d[c] = d[c].apply(lambda x : np.log(x+1) if x > -1 else -1)
# 保存 dataframe
df.to_csv('site.csv')
# 获取行列数
shape = df.shape
rows_num = shape[0]
cols_num = shape[1]
#获取元素值 https://blog.csdn.net/weixin_48419914/article/details/120329178
print(df_data.iat[0,0])