Pandas基础

Pandas基础

一、文件的读取和写入

import pandas as pd
import numpy as np
# 加上这两行可以一次性输出多个变量而不用print
from IPython.core.interactiveshell import InteractiveShell
InteractiveShell.ast_node_interactivity = "all"
# 查看版本
pd.__version__
pd.set_option('display.max_columns', None)

读取

Pandas常用的有以下三种文件：
csv文件
txt文件
xls/xlsx文件

读取文件时的注意事项：
文件路径是否正确，相对路径 ./data
编码方式 分隔符
列名

将结果输出到csx、txt、xls、xlsx文件中

df.to_csv('./new table.csv')
df.to_excel('./new table.xlsx')

#读取csv文件
df = pd.read_csv('/Users/andrew/Desktop/doctor (3)/test_X.csv')
df.head()
#读取txt文件，直接读取可能会出现数据都挤在一列上
df_txt = pd.read_table('./data./table.txt')
#df_txt = pd.read_table('./data./table.csv', sep=",")
df_txt.head()
#读取xls/xlsx文件
df_excel = pd.read_excel('./data./table.xlsx')
df_excel.head()

二、基本数据结构

Pandas处理的基本数据结构有 Series 和 DataFrame

(一)Series

1、创建
Series常见属性有 values， index， name， dtype

s = pd.Series(np.random.randn(5), index=['a','b','c','d','e'], 
              name='this is a series', dtype='float64')

s

a    1.310573
b    1.034550
c   -0.302572
d    0.479497
e   -0.354445
Name: this is a series, dtype: float64

2. 访问Series属性

s.values, s.index, s.name, s.dtype

(array([ 1.31057308,  1.03455003, -0.30257152,  0.47949729, -0.35444488]),
 Index(['a', 'b', 'c', 'd', 'e'], dtype='object'),
 'this is a series',
 dtype('float64'))

3. 取出某元素

通过索引取数或通过位置取数

s['a'], s[2:], s[1]

(1.3105730799270385,
 c   -0.302572
 d    0.479497
 e   -0.354445
 Name: this is a series, dtype: float64,
 1.0345500345055325)

4、调用方法

s.mean(), s.sum(), s.hist()

(0.43352080035931095,
 2.1676040017965548,
 <matplotlib.axes._subplots.AxesSubplot at 0x110213590>)

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-fqO8IbIu-1587605514650)(output_19_1.png)]

（二）DataFrame

1. 创建
   DataFrame基本属性有 values、columns、index

df = pd.DataFrame({
   'col1':list('abcde'), 'col2':range(5,10),
     'col3':[1.3,2.5,3.6,4.6,5.8]}, index=list('一二三四五'))

df

	col1	col2	col3
一	a	5	1.3
二	b	6	2.5
三	c	7	3.6
四	d	8	4.6
五	e	9	5.8

2. 取一列/取一行<