第3章数据分析工具Pandas

最新推荐文章于 2024-05-08 23:33:54 发布

来自迦勒底的master

最新推荐文章于 2024-05-08 23:33:54 发布

阅读量482

点赞数

文章标签：数据分析

本文链接：https://blog.csdn.net/m0_64767013/article/details/123293645

版权

本章详细介绍了Pandas的数据结构，包括Series和DataFrame，强调了索引的重要性和操作，如reindex()方法。此外，讲解了算术运算、数据排序、统计计算和层次化索引的概念与操作，最后覆盖了数据的读写操作，如to_csv()和read_csv()。

摘要由CSDN通过智能技术生成

本章使用的包：

import numpy as np
import pandas as pd

一，Pandas的数据结构分析Pandas的数据结构分析：

1，Pandas中有两个主要的数据结构：

Series（一维的数据结构）

DataFrame（二维的、表格型的数据结构）

2，Series是一个类似一维数组的对象，它能够保存任何类型的数据，主要由一组数据和与之相关的索引两部分构成

注意：Series的索引位于左边，数据位于右边

3，创建Series类

1），基本公式：

class pandas.Series（data = None，index = None，dtype = None，name = None，copy = False，fastpath = False）

data：表示传入的数据。

index：表示索引，唯一且与数据长度相等，默认会自动创建一个从0~N的整数索引。

2），通过传入一个列表，字典来创建一个Series类对象

# 使用list进行构建

data1 = pd.Series([1,2,3])

# 创建Series类对象，并指定索引

data2 = pd.Series([1, 2, 3, 4, 5], index=['a', 'b', 'c', 'd', 'e'])

#使用dict进行构建

dict = {2001: 17.8, 2002: 20.1, 2003: 16.5}

data3 = pd.Series(dict)

3），为了能方便地操作Series对象中的索引和数据，所以该对象提供了两个属性index和values分别进行获取

data = pd.Series([1,2,3])

data.index #获取索引并查看数据类型

data.values #获取数据

#直接使用索引来获取数据

data[3]

4），当某个索引对应的数据进行运算以后，其运算的结果会替换原数据，仍然与这个索引保持着对应的关系。

4，创建DataFrame类

1），DataFrame是一个类似于二维数组或表格（如excel）的对象，它每列的数据可以是不同的数据类型。

注意：

DataFrame的索引不仅有行索引，还有列索引，数据可以有多列

2），基本公式

pandas.DataFrame（data = None，index = None，columns = None，dtype = None，copy = False ）

index：表示行标签。若不设置该参数，则默认会自动创建一个从0~N的整数索引。

columns：列标签。

3），创建DataFrame类对象

# 创建数组
arr = np.array([['a', 'b', 'c'], ['d', 'e', 'f']])
# 基于数组创建DataFrame对象
data1 = pd.DataFrame(arr)
#指定索引
data2 = pd.DataFrame(arr, columns=['No1', 'No2', 'No3'])

4）获取数据

使用列索引的方式来获取一列数据，返回的结果是一个Series对象