Pandas的初级用法

最新推荐文章于 2024-08-15 01:55:01 发布
最新推荐文章于 2024-08-15 01:55:01 发布
阅读量190 收藏
点赞数
文章标签： pandas python 数据分析
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_65523585/article/details/127481234
版权
本文介绍了Python数据分析库pandas的基础用法，包括Series和DataFrame对象的创建、索引与切片操作，数据读取与写入，以及数据抽取、增加、修改和删除。通过实例展示了如何高效地处理和分析数据。
摘要由CSDN通过智能技术生成

**

pandas

**

pandas是Python核心数据分析库，它提供了快速、灵活、明确的数据结构，能够简单、直观、快速地处理各类的数据。

https://pandas.pydata.org/docs/

import pandas as pd

Series对象

一种类似一维数组的数据结构

##创建Series对象

s1=pd.Series([2,3,5])
print(s1)

0    2
1    3
2    5
dtype: int64

手动设置Series索引

s1=pd.Series(data=[2,3,5],index=['a','b','c'])
print(s1)

a    2
b    3
c    5
dtype: int64

Series 的索引和切片

s1[2]

5

s1['c']

5

print(s1[1:3])

b    3
c    5
dtype: int64

s1

a    2
b    3
c    5
dtype: int64

print(s1['a':'c'])

a    2
b    3
c    5
dtype: int64

print(s1[['a','c']])

a    2
c    5
dtype: int64

获取Series的索引和值

s1=pd.Series([2,3,['abc','dd']],index=['a','b','c'])
print(s1)

a            2
b            3
c    [abc, dd]
dtype: object

print(s1.index)

Index(['a', 'b', 'c'], dtype='object')

print(s1.values)

[2 3 5]

DataFrame对象

创建DataFrame对象

df1=pd.DataFrame(data=[[1,2,3],[4,5,6],[3,6,9]])
print(df1)

   0  1  2
0  1  2  3
1  4  5  6
2  3  6  9

df1=pd.DataFrame([[1,2,3],[4,5,6],[3,6,'a']],index=['a','b','c'],columns=['语文','数学','英语'])
print(df1)

   语文  数学 英语
a   1   2  3
b   4   5  6
c   3   6  a

df1.index

Index(['a', 'b', 'c'], dtype='object')

df1.columns

Index(['语文', '数学', '英语'], dtype='object')

df1.values

array([[1, 2, 3],
       [4, 5, 6],
       [3, 6, 'a']], dtype=object)

df1.head(2)
语文数学英语
a123
b456
df1.tail(2)
语文数学英语
b456
c36a
df1.describe()
语文数学英语
count3.0000003.0000003.0
mean2.6666674.3333336.0
std1.5275252.0816663.0
min1.0000002.0000003.0
25%2.0000003.5000004.5
50%3.0000005.0000006.0
75%3.5000005.5000007.5
max4.0000006.0000009.0
df1.shape

(3, 3)

导入数据

pd.read_excel pd.read_csv pd.read_table

df1 = pd.read_excel(io = 'data/1月.xlsx',sheet_name = 0,index_col=0)
df1.head()
买家实际支付金额收货人姓名宝贝标题
买家会员名
mrhy141.86周某某零基础学Python
mrhy241.86杨某某零基础学Python
mrhy348.86刘某某零基础学Python
mrhy448.86张某某零基础学Python
mrhy548.86赵某某C#项目开发实战入门
df1 = pd.read_csv('data/1月.csv',encoding='gbk',sep=',',index_col=0)
df1.head()
买家实际支付金额收货人姓名宝贝标题订单付款时间
买家会员名
mrhy141.86周某某零基础学Python2018/5/16 9:41
mrhy241.86杨某某零基础学Python2018/5/9 15:31
mrhy348.86刘某某零基础学Python2018/5/25 15:21
mrhy448.86张某某零基础学Python2018/5/25 15:21
mrhy548.86赵某某C#项目开发实战入门2018/5/25 15:21
type(df1)

pandas.core.frame.DataFrame

df1 = pd.read_table('data/1月.txt',encoding='gbk',sep='\t')
df1.head()
买家会员名买家实际支付金额收货人姓名宝贝标题订单付款时间
0mrhy141.86周某某零基础学Python2018/5/16 9:41
1mrhy241.86杨某某零基础学Python2018/5/9 15:31
2mrhy348.86刘某某零基础学Python2018/5/25 15:21
3mrhy448.86张某某零基础学Python2018/5/25 15:21
4mrhy548.86赵某某C#项目开发实战入门2018/5/25 15:21

数据抽取

loc iloc

data = [[110,105,99],[105,88,115],[109,120,130],[112,115]]
name = ['明日','七月流火','高袁圆','二月二']
columns = ['语文','数学','英语']
df = pd.DataFrame(data=data, index=name, columns=columns)
print(df)

       语文   数学     英语
明日    110  105   99.0
七月流火  105   88  115.0
高袁圆   109  120  130.0
二月二   112  115    NaN

df.loc['七月流火']

语文    105.0
数学     88.0
英语    115.0
Name: 七月流火, dtype: float64

type(df.loc['七月流火'])

pandas.core.series.Series

df.iloc[1]

语文    105.0
数学     88.0
英语    115.0
Name: 七月流火, dtype: float64

df.loc[['七月流火','二月二']]
语文数学英语
七月流火10588115.0
二月二112115NaN
type(df.loc[['七月流火','二月二']])

pandas.core.frame.DataFrame

df.iloc[[1,3]]
语文数学英语
七月流火10588115.0
二月二112115NaN
df.iloc[1:]
语文数学英语
七月流火10588115.0
高袁圆109120130.0
二月二112115NaN
df['数学']

明日      105
七月流火     88
高袁圆     120
二月二     115
Name: 数学, dtype: int64

type(df['语文'])

pandas.core.series.Series

df[['语文','英语']]
语文英语
明日11099.0
七月流火105115.0
高袁圆109130.0
二月二112NaN
df.loc[:,['语文']]
语文
明日110
七月流火105
高袁圆109
二月二112
type(df.loc[:,['语文']])

pandas.core.frame.DataFrame

df.loc[:,['语文','英语']]
语文英语
明日11099.0
七月流火105115.0
高袁圆109130.0
二月二112NaN
df.iloc[:,[0]]
语文
明日110
七月流火105
高袁圆109
二月二112
df.loc[['七月流火'],['数学']]
数学
七月流火88
df.loc[['七月流火','二月二'],['数学','语文']]
数学语文
七月流火88105
二月二115112
df.iloc[1:,[0,2]]
语文英语
七月流火105115.0
高袁圆109130.0
二月二112NaN
df
语文数学英语
明日11010599.0
七月流火10588115.0
高袁圆109120130.0
二月二112115NaN
df[df.loc[:,'语文']>=110]
语文数学英语
明日11010599.0
二月二112115NaN
print(df)

       语文   数学     英语
明日    110  105   99.0
七月流火  105   88  115.0
高袁圆   109  120  130.0
二月二   112  115    NaN

数据的增加、修改和删除

data = [[110,105,99],[105,88,115],[109,120,130],[112,115]]
name = ['明日','七月流火','高袁圆','二月二']
columns = ['语文','数学','英语']
df = pd.DataFrame(data=data, index=name, columns=columns)
print(df)

       语文   数学     英语
明日    110  105   99.0
七月流火  105   88  115.0
高袁圆   109  120  130.0
二月二   112  115    NaN

增加数据

df['物理']=[88,90,50,60]

print(df)

       语文   数学     英语  物理
明日    110  105   99.0  88
七月流火  105   88  115.0  90
高袁圆   109  120  130.0  50
二月二   112  115    NaN  60

df.loc['胡静']=[120,99,43,24]

print(df)

       语文   数学     英语  物理
明日    110  105   99.0  88
七月流火  105   88  115.0  90
高袁圆   109  120  130.0  50
二月二   112  115    NaN  60
胡静    120   99   43.0  24

df1=df.append(df)
print(df1)

       语文   数学     英语  物理
明日    110  105   99.0  88
七月流火  105   88  115.0  90
高袁圆   109  120  130.0  50
二月二   112  115    NaN  60
胡静    120   99   43.0  24
明日    110  105   99.0  88
七月流火  105   88  115.0  90
高袁圆   109  120  130.0  50
二月二   112  115    NaN  60
胡静    120   99   43.0  24

修改数据

data = [[110,105,99],[105,88,115],[109,120,130],[112,115]]
name = ['明日','七月流火','高袁圆','二月二']
columns = ['语文','数学','英语']
df = pd.DataFrame(data=data, index=name, columns=columns)
print(df)

       语文   数学     英语
明日    110  105   99.0
七月流火  105   88  115.0
高袁圆   109  120  130.0
二月二   112  115    NaN

df.columns

Index(['语文', '数学', '英语'], dtype='object')

df.columns=['语文', '数学(上 )', '大学英语']

print(df)

       语文  数学(上 )   大学英语
明日    110     105   99.0
七月流火  105      88  115.0
高袁圆   109     120  130.0
二月二   112     115    NaN

df.rename(columns={'语文':'大学语文','英语':'高级英语'},inplace=True)

print(df)

      大学语文   数学   高级英语
明日     110  105   99.0
七月流火   105   88  115.0
高袁圆    109  120  130.0
二月二    112  115    NaN

df.index

Index(['明日', '七月流火', '高袁圆', '二月二'], dtype='object')

df.index=['明日dd', '七月流火dd', '高袁圆ee', '二月二ss']

print(df)

        大学语文   数学   高级英语
明日dd     110  105   99.0
七月流火dd   105   88  115.0
高袁圆ee    109  120  130.0
二月二ss    112  115    NaN

df.rename(index={'明日':'后日','二月二':'三月三'},inplace=True)

print(df)

       语文   数学     英语
后日    110  105   99.0
七月流火  105   88  115.0
高袁圆   109  120  130.0
三月三   112  115    NaN

df.loc['七月流火']

语文    105.0
数学     88.0
英语    115.0
Name: 七月流火, dtype: float64

df.loc['七月流火']=[110,90,100]
print(df)

       语文   数学     英语
后日    110  105   99.0
七月流火  110   90  100.0
高袁圆   109  120  130.0
三月三   112  115    NaN

df['语文']=[100,90,20,3]
print(df)

       语文   数学     英语
后日    100  105   99.0
七月流火   90   90  100.0
高袁圆    20  120  130.0
三月三     3  115    NaN

df.iloc[[0,3],[0,2]]=[[150,150],[0,0]]
print(df)

       语文   数学     英语
后日    150  150  150.0
七月流火   90   90  100.0
高袁圆    20  120  130.0
三月三     0    0    0.0

删除数据

data = [[110,105,99],[105,88,115],[109,120,130],[112,115]]
name = ['明日','七月流火','高袁圆','二月二']
columns = ['语文','数学','英语']
df = pd.DataFrame(data=data, index=name, columns=columns)
print(df)

       语文   数学     英语
明日    110  105   99.0
七月流火  105   88  115.0
高袁圆   109  120  130.0
二月二   112  115    NaN

df.drop(['数学'],axis=1,inplace=True)
print(df)

       语文     英语
明日    110   99.0
七月流火  105  115.0
高袁圆   109  130.0
二月二   112    NaN

df.drop(['七月流火'],axis=0,inplace=True)
print(df)

      语文   数学     英语
明日   110  105   99.0
高袁圆  109  120  130.0
二月二  112  115    NaN
超级小菜鸟+无敌小透明
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
python之pandas初级使用案例
airanl的博客
02-27 288
看过，搜过pandas的用法文章，大都不全，写得洋洋洒洒，实用不强，把自己的练习整理资料拿出来看看； 1、文件导入， import pandas as pd #导入Pandas 用别名pd； import os #导入模块，可以检测文件 等操作； 2、写个 读取函数； # 获取指数 CSV文件，读取头部，尾部，信息； def ReadIndexCsv(code='999999.SH'): # print("\n Get start end da..
pandas初级篇
weixin_43959953的博客
01-14 273
pandas初级篇 1 pandas数据 panadas加载完成之后的数据类型为DataFrame,如果对DataFrame进行查询后,其结果转变为Serise类型 如果要求了解不深的话可以简单的把DataFrame理解成为一个表格 Serise理解成为只有一列的表格 当我们利用pandas从数据库,csv文件等读出来的数据都是DataFrame类型,如果对DataFrame进行查询,只要查询结果...
pandas
qq_53906512的博客
10-03 2108
安装matplotlib:pip install matplotlib安装pandas:pip install pandas本地C:\Users\Administrator\pip，在此目录配置清华园的远程下载。
[educoder]Pandas安装与对象使用 初级
m0_46233342的博客
09-21 1789
文章目录第1关：安装并使用Pandas第2关：Pandas的Series对象第3关：Pandas的DataFrame对象第4关：Pandas的Index对象第1关：Series数据选择第2关：DataFrame数据选择方法 Pandas是在NumPy基础上建立的新程序库，提供了一种高效的 DataFrame数据结构。DataFrame本质上是一种带行标签和列标签、支持相同类型数据和缺失值的多维数组。Pandas不仅为带各种标签的数据提供了便利的存储界面，还实现了许多强大的操作，这些操作对数据库框架和电子表格
数据分析之Pandas 基础入门
zhouzhiwengang的专栏
04-11 2754
在 CSV 文件中指定了一个列，然后使用index_col可以实现自定义索引。
50个pandas高频操作汇总_50个pandas 高频使用
2401_84264583的博客
04-28 678
在实际的渗透测试过程中，面对复杂多变的网络环境，当常用工具不能满足实际需求的时候，往往需要对现有工具进行扩展，或者编写符合我们要求的工具、自动化脚本，这个时候就需要具备一定的编程能力。对于数值列，实际使用的时候可能需要根据指定的范围，将这些数值变为标签值，如衡量产品的指标及格、不及格，成绩是否优秀等。恭喜你，如果学到这里，你基本可以从事一份网络安全相关的工作，比如渗透测试、Web 渗透、安全服务、安全分析等岗位；注意这里的统计是参照所有列来的，只有两行完全相同才会判断为重复行，所以统计的结果是 1。
机器学习之pandas急速入门初级
qq_33465047的博客
08-09 494
学习机器学习，最基本的就是用Python语言对数据进行基本操作，面对众多需要学习的知识，基本上学完就忘了，贼难受啦！！这不我本着我下地狱的精神，总结了一下，但愿众生别放弃，哈哈。 pandas 先来个整体目录感受一下： 创建 通过创建Series 通过传递numpy array创建元素 通过字典的结构进行创建， 查看数据 查看数据类型(.dtypes) 查看数据前或后几行数据(.h...
pandas对数据处理的初级基本操作
mocas_wang的博客
11-16 3591
对于数据处理的基本操作使用，自己使用总结。 首先导入模块库 import pandas as pd import numpy as np from pandas import Series,DataFrame 读取csv文件 data_train=pd.read_csv("/home/mocas/kaggle/titanic/train.csv"，index_col=0) ##乘客数据...
Pandas数据清洗
川泽的博客
11-12 1473
Pandas处理异常数据时的具体使用
python进阶-pandas资料.rar
02-15
本资料集专注于Pandas的进阶学习，旨在帮助你从初级阶段过渡到更高级的应用。 1. **Pandas基础** - DataFrame：Pandas的核心数据结构，它是一个二维表格型数据结构，包含行和列，类似于SQL中的表或电子表格。 - ...
python小白初级入门进阶入门详细教程PPT以及题目
09-23
- 使用`close()`方法关闭文件。 - **文件读写**： - 读取文件：`read()`、`readline()`、`readlines()`。 - 写入文件：`write()`、`writelines()`。 #### 七、常用第三方库介绍 - **NumPy**：用于数值计算的...
Udacity 机器学习初级.zip
04-08
学生将学习如何使用Python编程语言和相关库（如Pandas和Numpy）进行这些操作，以准备高质量的训练数据。 三、线性回归 线性回归是预测分析中最基础的模型，课程会讲解简单线性回归和多元线性回归的原理，以及如何...
初级python网址下载
10-13
作者Wes McKinney不仅是Pandas库的主要开发者之一，还深入浅出地讲解了如何使用Python进行数据分析的各种方法和技术。 3. **《Python Crash Course》**：本书同样由Eric Matthes撰写，是一本快速入门的好书。它...
python学习资料2.0（初级）
06-18
5. **模块与导入**：Python有丰富的标准库和第三方库，如os、sys、numpy、pandas等，通过import语句可以引入这些模块，扩展程序的功能。 6. **异常处理**：Python使用try/except语句进行错误处理，这有助于编写健壮...
【Python】入门到放弃之第九章《字典》
最新发布
MP13537560060的博客
08-15 631
这是本系列的第九章节内容，《字典》。在Python中，字典（Dictionary）是一种内置的数据结构，用于存储键值对（key-value pairs）。字典是可变的，意味着你可以在创建字典后添加、删除或修改其中的元素。字典的键（key）必须是唯一的，并且是不可变的（即，它们必须是不可变数据类型，如字符串、数字或元组，但不能是列表或字典等可变类型）。字典的值（value）则可以是任何数据类型，包括列表、元组、字典等。以上，就是Python中字典的全部内容。
【python学习】深入解析 `jq` 库：JSON 处理的利器
m0_54007171的博客
08-13 403
jq库是 Python 对流行的命令行工具jq的封装。它允许你直接在 Python 中使用jq的查询语言来处理 JSON 数据。借助jq，你可以轻松地对 JSON 数据进行过滤、选择、转换、聚合等操作，极大地简化了代码复杂度。
GraphRAG：复杂查询的知识图谱新框架
YeJuliaLi的博客
08-14 870
微软最近发布了名为 GraphRAG（Graphs + Retrieval Augmented Generation）的创新 RAG 框架，这是一个将文本提取、语义网络分析，与大语言模型（LLM）的提示和总结功能结合在一起的端到端系统，用于深入理解文本数据集。在对私有数据中的复杂文本信息进行文档分析时，GrahRAG 使用 LLM 生成的知识图谱来大幅提高问答性能。这里的私有数据集是指 LLM 没...
汽车免拆诊断案例 | DAF（达富）汽油尾气处理液故障警示
虹科Pico汽车示波器的博客
08-14 835
一辆DAF（达富）故障警示灯亮，提示DEF系统故障，使用虹科Pico汽车示波器检查发现故障的原因是......
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值