【数据可视化】第四章—— 基于pandas的数据可视化（pandas数据结构）

---

前言

❓为什么要学习pandas❓

NumPy已经能够帮助我们处理数据，能够结合matplotlib解决我们数据分析的问题，那么pandas学习的目的在什么地方呢？

NumPy能够帮我们处理处理数值型数据，但是这还不够，很多时候，我们的数据除了数值之外，还有字符串，还有时间序列等，所以，NumPy能够帮助我们处理数值，但是pandas除了处理数值之外(基于NumPy)，还能够帮助我们处理其他类型的数据。

1. Pandas库的引用

Pandas是Python第三方库，提供高性能易用数据类型和分析工具。

import pandas as pd

▫️Pandas基于NumPy实现，常与NumPy和Matplotlib一同使用.

🔹计算前N项累加和

Series DataFrame
▫️基于上述数据类型的各类操作
▫️基本操作、运算操作、特征类操作、关联类操作

NumPy

• 基础数据类型
• 关注数据的结构表达
• 维度：数据间的关系

Pandas

• 扩展数据类型
• 关注数据的应用表达
• 数据与索引之间的关系

2. Pandas库的数据类型

2.1 Series类型

Series类型由一组数据及与之相关的数据索引组成.

2.2 Series创建方式

• Python列表
• 标量值
  
• Python字典
  
  
  

NumPy中NaN为float，pandas会自动根据数据类型更改series的dtype类型

• ndarray
  
  
• 其他函数
  range()等

2.3 Series类型的基本操作

• Series类型包括index和values两部分
  

• Series类型的操作类似ndarray类型

• Series类型的操作类似Python字典类型

  • 通过自定义索引访问
  • 保留字典in操作
  • 使用.get()方法
    

2.3.1 Series类型的切片和索引

• 索引方法采用[ ]
  
  

• NumPy中运算和操作可用于Series类型

• 可以通过自定义索引的列表进行切片

• 可以通过自动索引进行切片，如果存在自定义索引，则一同被切片
  
  

2.3.2 Series类型的对齐操作

Series类型在运算中会自动对齐不同索引的数据。

2.3.3 Series类型的name属性

Series对象和索引都可以有一个名字，存储在属性.name中

2.3.4 Series类型的修改

Series对象可以随时修改并即刻生效

2.4 DataFrame类型

DataFrame类型由共用相同索引的一组列组成。

DataFrame对象既有行索引，又有列索引

• 行索引，表明不同行，叫index，0轴，axis=0
• 列索引，表名不同列，叫columns，1轴，axis=1
  

DataFrame是一个表格型的数据类型，每列值类型可以不同
DataFrame既有行索引、也有列索引
DataFrame常用于表达二维数据，但可以表达多维数据

问题：

1. DataFrame和Series有什么关系呢？

2. Series能够传入字典，那么DataFrame能够传入字典作为数据么？

3. 对于一个DataFrame类型，既有行索引，又有列索引，我们能够对他做什么操作呢

2.5 DataFrame类型创建

• 二维ndarray对象
  
  

• 由一维ndarray、列表、字典、元组或Series构成的字典

  • 从Series类型的字典创建
    
    
  • 从列表类型的字典创建
    
  • 从列表类型的字典创建
    

• Series

• 其他的DataFrame类型

🔹实例

2.6 DataFrame的索引

• 方括号里为数，则表示取行，对行进行操作
• 方括号里为字符串，表示取列行，先对列后对行进行操作

2.6.1 loc 通过标签索引数据

2.6.2 iloc 通过位置获取数据

2.6.3 bool索引

2.6.4 DataFrame整体情况查询

• .head(3) # 显示头部几行，默认5行
• .tail(3) # 显示末尾几行，默认5行
• .info() # 相关信息概览：行数，列数，列索引，列非空值个数，列类型，内存占用

2.7 DataFrame的基础属性

• .shape # 行数 列数
• .dtypes # 列数据类型
• .ndim # 数据维度
• .index # 行索引
• .columns # 列索引
• .values # 对象值，二维ndarray数组
  
  
  

3. 缺失数据的处理

我们的数据缺失通常有两种情况：
1️⃣一种就是空，None等，在pandas是NaN(和np.nan一样)
2️⃣另一种是我们让其为0

3.1 处理NaN数据

对于NaN的数据，在numpy中我们是如何处理的？
在pandas中处理起来非常容易

判断数据是否为NaN：

pd.isnull(df),pd.notnull(df)

处理方式1：删除NaN所在的行列

dropna (axis=0, how='any', inplace=False)

处理方式2：填充数据，计算平均值等情况，nan是不参与计算的

t.fillna(t.mean()),t.fillna(t.median()),t.fillna(0)

🔹实例：