Pandas 是python的一个数据分析包,最初由AQR Capital Management于2008年4月开发,并于2009年底开源出来,目前由专注于Python数据包开发的PyData开发team继续开发和维护,属于PyData项目的一部分。
Pandas基于Numpy,最初被作为金融数据分析工具而开发出来,因此,pandas为时间序列分析提供了很好的支持。 Pandas的名称来自于面板数据(panel data)和python数据分析(data analysis)。panel data是经济学中关于多维数据集的一个术语,在Pandas中也提供了panel的数据类型。
Series 数据结构
# Series 是带有标签的一维数组,可以保存任何数据类型(整数,字符串,浮点数,Python对象等),轴标签统称为索引
import numpy as np
import pandas as pd
# 导入numpy、pandas模块
s = pd.Series(np.random.rand(10))
# 查看数据、数据类型
print(s.index,type(s.index))
print(s.values,type(s.values))
# .index查看series索引,类型为rangeindex
# .values查看series值,类型是ndarray
Series 的创建方法一:由字典创建,字典的key就是index,values就是values
import numpy as np
import pandas as pd
dic = {'a':1 ,'b':2 , 'c':3, '4':4, '5':5}
s = pd.Series(dic)
print(s)
Series 创建方法二:由数组创建(一维数组)
arr = np.random.randn(10)
s = pd.Series(arr)
print(arr)
print(s)
# 默认index是从0开始,步长为1的数字
s = pd.Series(arr, index = ['a','b','c','d','e'],dtype = np.object)
print(s)
# index参数:设置index,长度保持一致
# dtype参数:设置数值类型
Series 创建方法三:由数值创建
import numpy as np
import pandas as pd
s = pd.Series(10, index = range(4))
print(s)
# 如果data是标量值,则必须提供索引。该值会重复,来匹配索引的长度
Series 名称属性:name
import numpy as np
import pandas as pd
s1 = pd.Series(np.random.randn(10))
s2 = pd.Series(np.random.randn(10),name = 'pandas')
print(s1)
print('******'*5)
print(s2)
print(s1.name, s2.name,type(s2.name))
print('******'*5)
# name为Series的一个参数,创建一个数组的名称
# .name方法:输出数组的名称,输出格式为str,如果没用定义输出名称,输出为None
s3 = s2.rename('hello world')
print(s3)
print(s3.name, s2.name)
# .rename()重命名一个数组的名称,并且新指向一个数组,原数组不变
位置下标
import numpy as np
import pandas as pd
s = pd.Series(np.random.rand(5))
print(s)
print(s[0],type(s[0]),s[0].dtype)
print('******'*5)
print(float(s[0]),type(float(s[0])))
print(s[-1])
# 位置下标从0开始
# 输出结果为numpy.float格式,
# 可以通过float()函数转换为python float格式
# numpy.float与float占用字节不同
标签索引
import numpy as np
import pandas as pd
s = pd.Series(np.random.rand(5), index = ['a','b','c','d','e'])
print(s)
print(s['a'],type(s['a']),s['a'].dtype)
# 方法类似下标索引,用[]表示,内写上index,注意index是字符串
s1 = s[['a','b','e']]
print(s1,type(s1))
# 如果需要选择多个标签的值,用[[]]来表示(相当于[]中包含一个列表)
切片索引
import numpy as np
import pandas as pd
s1 = pd.Series(np.random.rand(10))
s2 = pd.Series(np.random.rand(10), index = ['a','b','c','d','e','f','g','h','i','j'])
print(s1[1:4],s1[6])
print(s2['a':'h'],s2['c'])
print(s2[0:5],s2[9])
# 注意:用index做切片是末端包含
print(s2[:-1])
print(s2[::2])
# 下标索引做切片,和list写法一样
布尔型索引
import numpy as np
import pandas as pd
s = pd.Series(np.random.rand(3)*100)
s[4] = None # 添加一个空值
print(s)
bs1 = s > 50
bs2 = s.isnull()
bs3 = s.notnull()
print(bs1, type(bs1), bs1.dtype)
print(bs2, type(bs2), bs2.dtype)
print(bs3, type(bs3), bs3.dtype)
print('-----')
# 数组做判断之后,返回的是一个由布尔值组成的新的数组
# .isnull() / .notnull() 判断是否为空值