pandas学习记录

目录

 

前言

二、使用步骤

1. pandas数据结构

1.1 Series

1.2 DataFrame

2. 使用方法

2.1 创建对象

2.2 查看数据

总结

---

 

---

前言

提示：这里可以添加本文要记录的大概内容：
例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。

---

一、pandas是什么？

Pandas是一个强大的分析结构化数据的工具集；它的使用基础是Numpy（提供高性能的矩阵运算）；

用于数据挖掘和数据分析，同时也提供数据清洗功能。

二、使用步骤

1. pandas数据结构

1.1 Series

它是一种类似于一维数组的对象，是由一组数据(各种NumPy数据类型)以及一组与之相关的数据标签(即索引)组成。

仅由一组数据也可产生简单的Series对象。

1.2 DataFrame

DataFrame是Pandas中的一个表格型的数据结构，包含有一组有序的列，每列可以是不同的值类型(数值、字符串、布尔型等)，

DataFrame即有行索引也有列索引，可以被看做是由Series组成的字典。

2. 使用方法

2.1 创建对象

创建一个Series对象：

import numpy as np
import pandas as pd
s = pd.Series([1,3,6.2,5])
print(s)

0    1.0
1    3.0
2    6.2
3    5.0
dtype: float64

pandas默认自动生成索引值，我们也可以指定索引

s = pd.Series([1,3,6.2,5], index=['0','3','5','6'])
print(s)

0    1.0
3    3.0
5    6.2
6    5.0
dtype: float64

创建一个DataFrame对象

df = pd.DataFrame(np.random.randn(6, 4), index=dates, columns=list('ABCD'))
print(df)

	A	B	C	D
0	1.076220	0.896091	0.124460	0.227721
1	0.007916	0.200983	-0.590342	-0.000473
2	-0.229281	-0.316015	-0.348253	-0.178962
3	0.441122	-1.683549	0.354141	-0.972107
4	0.440712	1.962820	-0.634699	-0.078040
5	0.782211	0.244547	-0.491865	-2.656968

2.2 查看数据

使用head函数模型可查看前5条数据

df.head()

	A	B	C	D
0	1.076220	0.896091	0.124460	0.227721
1	0.007916	0.200983	-0.590342	-0.000473
2	-0.229281	-0.316015	-0.348253	-0.178962
3	0.441122	-1.683549	0.354141	-0.972107
4	0.440712	1.962820	-0.634699	-0.078040

describe可以快速查看数据的统计摘要：

df.describe()

	A	B	C
count	6.000000	6.000000	6.000000	6.000000
mean	0.419817	0.217480	-0.264426	-0.609805
std	0.480432	1.217067	0.408885	1.082892
min	-0.229281	-1.683549	-0.634699	-2.656968
25%	0.116115	-0.186766	-0.565723	-0.773821
50%	0.440917	0.222765	-0.420059	-0.128501
75%	0.696939	0.733205	0.006282	-0.019865
max	1.076220	1.962820	0.354141	0.227721

可以得到每一列的均值、平均值、最大值、最小值、方差等信息。

我们还可以查看DataFrame对象的尺寸

df.shape

(6, 4)

 

 

---

总结

提示：这里对文章进行总结：
例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而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。