【Python】—— Pandas 初体验（一）

🌟欢迎来到 我的博客 —— 探索技术的无限可能！

🌟博客的简介（文章目录）

Pandas 初体验

【Python】—— Pandas 初体验（一）
【Python】—— Pandas 初体验（二）

---

第1关：了解数据处理对象–Series

任务描述

本关任务：仔细阅读编程要求，完成相关要求。

相关知识

为了完成本关任务，你需要掌握：

1. Pandas中的数据结构；
2. 了解 Series。

Pandas是为了解决数据分析任务而创建的，纳入了大量的库和标准数据模型，提供了高效地操作大型数据集所需的工具。
对于 Pandas包，在 Python 中常见的导入方法如下：

from pandas import Series,DataFrame
import pandas as pd

Pandas 中的数据结构

• Series: 一维数组，类似于Python中的基本数据结构 list，区别是 Series 只允许存储相同的数据类型，这样可以更有效的使用内存，提高运算效率。就像数据库中的列数据；
• DataFrame: 二维的表格型数据结构。很多功能与R中的 data.frame类似。可以将 DataFrame 理解为 Series的容器；
• Panel：三维的数组，可以理解为 DataFrame 的容器。

了解 Series
为了开始使用 Pandas，我们必需熟悉它的两个重要的数据结构：Series和 DataFrame。虽然它们不是每一个问题的通用解决方案，但可以提供一个坚实的，易于使用的大多数应用程序的基础。
Series是一个一维的类似的数组对象，包含一个数组的数据（任何NumPy 的数据类型）和一个与数组关联的数据标签，被叫做索引 。最简单的Series是由一个数组的数据构成：

In [1]:obj=Series([4,7,-5,3])
In [2]:obj
Out[2]:
0 4
1 7
2 -5
3 3

Series的交互式显示的字符串表示形式是索引在左边，值在右边。因为我们没有给数据指定索引，一个包含整数 0到 N-1这里 N 是数据的长度）的默认索引被创建。你可以分别的通过它的 values和 index属性来获取 Series的数组表示和索引对象：

In [3]: obj.values
Out[3]:array([4,7,-5,3])
In [4]: obj.index
Out[4]:Int64Index([0,1,2,3])

通常，需要创建一个带有索引来确定每一个数据点的 Series。

In [5]:obj2=Series([4,7,-5,3],index=['d','b','a','c'])
In [6]:obj2
Out[6]:
d 4
b 7
a -5
c 3

如果你有一些数据在一个 Python 字典中，你可以通过传递字典来从这些数据创建一个 Series，只传递一个字典的时候，结果 Series中的索引将是排序后的字典的键。

In [7]:sdata={'Ohio':35000,'Texas':71000,'Oregon':16000,'Utah':5000}
In [8]:obj3=Series(sdata)
In [9]:obj3
Out[9]:
Ohio   35000
Texas  71000
Oregon 16000
Utah   5000

编程要求
根据提示，补充代码：

• 创建一个名为 series_a的 series数组，当中值为 [1,2,5,7],对应的索引为 ['nu', 'li', 'xue', 'xi']；

• 创建一个名为 dict_a的字典，字典中包含如下内容 {'ting':1, 'shuo':2, 'du':32, 'xie':44}；

• 将 dict_a字典转化成名为 series_b的 series数组。

测试说明

• 如果答案正确，则会输出 True。

运行代码

# -*- coding: utf-8 -*-
from pandas import Series,DataFrame
import  pandas as pd

def create_series():
    '''
    返回值:
    series_a: 一个Series类型数据
    series_b: 一个Series类型数据
    dict_a：  一个字典类型数据
    '''
    # 请在此添加代码 完成本关任务
    # ********** Begin *********#
    series_a=Series([1,2,5,7],index=['nu', 'li', 'xue', 'xi'])
    dict_a={'ting':1, 'shuo':2, 'du':32, 'xie':44}
    series_b=Series(dict_a)

    # ********** End **********#

    # 返回series_a,dict_a,series_b
    return series_a,dict_a,series_b

---

第2关：了解数据处理对象-DataFrame

任务描述

本关任务：根据编程要求，完成相关代码的编写。

相关知识
为了完成本关任务，你需要掌握：

1. DataFrame 创建；
2. 修改行名；
3. 添加修改；
4. 添加 Series 类型；
5. 添加新列。

DataFrame是一个表格型的数据结构，是以一个或多个二维块存放的数据表格（层次化索引），DataFrame 既有行索引还有列索引，它有一组有序的列，每列既可以是不同类型（数值、字符串、布尔型）的数据，或者可以看做由 Series组成的字典。

DataFrame 创建

dictionary = {'state':['0hio','0hio','0hio','Nevada','Nevada'],
         'year':[2000,2001,2002,2001,2002],
         'pop':[1.5,1.7,3.6,2.4,2.9]}
frame = DataFrame(dictionary)

修改行名

frame=DataFrame(dictionary,index=['one','two','three','four','five'])

添加修改

frame['add']=[0,0,0,0,0]

添加 Series 类型

value = Series([1,3,1,4,6,8],index = [0,1,2,3,4,5])
frame['add1'] = value

添加新列

1、直接在后面新增一列
指明列名，并赋值即可：
data[‘列名’]=[1,2]
2、在指定位置新增一列
用insert()函数，data.insert(位置,列名,列值)，例如：
data.insert(2,‘c’,’’)

编程要求
根据提示，补充代码：

• 创建一个五行三列的名为df1 的 DataFrame 数组，列名为 [states,years,pops]，行名 ['one','two','three','four','five']；

• 给 df1 添加新列，列名为 new_add，值为[7,4,5,8,2]。

测试说明
如果答案正确，则会输出 True。

运行代码

# -*- coding: utf-8 -*-
from pandas import Series,DataFrame
import  pandas as pd

def create_dataframe():
    '''
    返回值:
    df1: 一个DataFrame类型数据
    '''
    # 请在此添加代码 完成本关任务
    # ********** Begin *********#
    dictionary = {'states':['','','','',''],
         'years':['','','','',''],
         'pops':['','','','','']}
    df1 = DataFrame(dictionary)
    df1 = DataFrame(dictionary,index=['one','two','three','four','five'])
    
    df1['new_add'] = [7,4,5,8,2]
    # ********** End **********#

    #返回df1
    return df1

---

第3关：读取 CSV 格式数据

任务描述
本关任务：根据编程要求，完成相关代码的编写。

相关知识
为了完成本关任务，你需要掌握：

1. 读取 CSV；
2. 查看前 n 行；
3. 查看后 n 行；
4. 查看总行数；
5. 修改列名。

在使用机器学习工具包对数据进行修改、探索和分析之前，我们必须先讲外部数据导入。使用 Pandas导入数据比 Numpy要容易。在这里我们将使用英国降雨数据，数据已下好并放在本实训的当前文件夹。

读取 CSV

# Reading a csv into Pandas.
# 如果数据集中有中文的话，最好在里面加上 encoding = 'gbk' ，以避免乱码问题。后面的导出数据的时候也一样。
df = pd.read_csv('uk_rain_2014.csv', header=0)

这里我们从 csv 文件里导入了数据，并储存在 DataFrame 中。这一步非常简单，你只需要调用read_csv然后将文件的路径传进去就行了。header 关键字告诉Pandas哪些是数据的列名。如果没有列名的话就将它设定为None。
数据导入pandas 之后，我们该怎么查看数据呢？

查看前 n 行

# Getting first x rows.
df.head(5)

查看后 n 行

# Getting last x rows.
df.tail(5)

查看总行数

# Finding out how many rows dataset has.
len(df)

修改列名
我们通常使用列的名字来在 Pandas 中查找列。这一点很好而且易于使用，但是有时列名太长，我们需要缩短列名。

# Changing column labels.
df.columns = ['water_year','rain_octsep','outflow_octsep','rain_decfeb', 'outflow_decfeb', 'rain_junaug', 'outflow_junaug']

编程要求
根据提示，补充代码：

• 将 test3/uk_rain_2014.csv 中的数据导入到 df1 中；

• 将列名修改为 ['water_year','rain_octsep','outflow_octsep','rain_decfeb', 'outflow_decfeb', 'rain_junaug', 'outflow_junaug']；

计算 df1 的总行数并存储在 length1中。

测试说明
如果答案正确，则会输出True。

运行代码

# -*- coding: utf-8 -*-
from pandas import Series,DataFrame
import  pandas as pd
def read_csv_data():
    '''
    返回值:
    df1: 一个DataFrame类型数据
    length1: 一个int类型数据
    '''
    # 请在此添加代码 完成本关任务
    # ********** Begin *********#
    df1=pd.read_csv('test3/uk_rain_2014.csv')#把文件导入df1中

    df1.columns = ['water_year','rain_octsep','outflow_octsep','rain_decfeb', 'outflow_decfeb', 'rain_junaug', 'outflow_junaug']  
    #修改列名   DataFrame类型数据.columns=['填写你修改的名字']

    length1=len(df1)    
    #把df1的长度放在length1中
    # ********** End **********#
    #返回df1,length1
    return df1,length1

---