Python库-pandas详解

Python库-pandas详解

• 1. pandas介绍
• 2. Series
• 3. DataFrame
• • 3.1 DataFrame结构
  • 3.2 DataFrame属性与方法
  • 3.2 DataFrame索引的设置
• 4. 基本数据操作
• • 4.1 索引重命名
  • 4.2 通过索引操作数据
  • 4.3 排序
• 5. DataFrame运算
• • 5.1 算术运算
  • 5.2 逻辑运算
  • 5.3 统计运算
  • 5.4 自定义运算
• 6. pandas画图
• 7. 文件的读取和存储
• 8. 数据的高级处理
• • 8.1 缺失值处理
  • 8.2 数据离散化处理
  • 8.3 数据合并
  • 8.4 交叉表与透视表
  • 8.5 分组与聚合

1. pandas介绍

pandas 是用于数据挖掘的Python库

• 便捷的数据处理能力
• 独特的数据结构
• 读取文件方便
• 封装了matplotlib的画图和numpy的计算

pandas的数据结构

• Series
  • Series 类似表格中的一个列（column），类似于一维数组，可以保存任何数据类型。由索引（index）和列组成。
• DataFrame
  • DataFrame 是一个表格型的数据结构，每列可以是不同的值类型（数值、字符串、布尔型值）。DataFrame 既有行索引也有列索引，它可以被看做由 Series 组成的字典。

案例应用

创建一个符合正态分布的10个股票5天的涨跌幅数据，使用pandas中的数据结构 DataFrame() 处理数据

# 导入库
import numpy as np
import pandas as pd

# 创建一个符合正态分布的10个股票5天的涨跌幅数据
stocks = np.random.normal(0, 1, [10, 5])
# 使用pandas中的数据结构 DataFrame() 处理数据
stocks_rise = pd.DataFrame(stocks)
# 设置行索引,获取行数 stocks_rise.shape[0] 进行遍历 列表生成式
index_row = ['股票{}'.format(i+1) for i in range(stocks_rise.shape[0])]
# 设置列索引，日期是一个时间序列，为了简便，使用pd.date_range()生成一组连续的时间序列
# pd.date_range(start,end,periods,freq) start:开始时间, end:结束时间
# periods:时间天数, freq:递进单位，默认1天，'B'默认略过周末
index_col = pd.date_range(start='20220201',periods=stocks_rise.shape[1],freq='B')
# 添加索引，注意数据是ndarray数据 index表示行索引，columns表示列索引
data = pd.DataFrame(stocks, index=index_row, columns=index_col)
print(data)

      2022-02-01  2022-02-02  2022-02-03  2022-02-04  2022-02-07
股票1    -2.054041   -1.170757    0.162393    0.253333   -1.638837
股票2    -1.463734    0.408459    0.530070   -0.925281    1.454630
股票3    -0.511517   -0.827591   -2.076265    0.139486    0.658707
股票4    -1.698789    0.250902   -0.624713    1.378845   -1.672292
股票5     0.683233   -1.083694    0.810567    0.421215    1.375385
股票6    -0.296111   -0.946959    0.836536   -1.179879   -0.397406
股票7     0.017772    0.180210    2.022776    0.436337   -1.555866
股票8     0.638262   -0.790932    1.077822   -1.746631   -0.591360
股票9    -0.681391   -0.613255   -1.849094    0.438304   -0.503742
股票10   -0.243500   -1.733623   -1.137840    0.124976   -0.415727

2. Series

pd.Series( data, index, dtype, name, copy)

参数说明：

data：一组数据(ndarray 类型)。
index：数据索引标签，如果不指定，默认从 0 开始。
dtype：数据类型，默认会自己判断。
name：设置名称。
copy：拷贝数据，默认为 False。

Series实例

# 通过数组创建Series
s = pd.Series([6, 5, 2], index=['x', 'y', 'z'])
print(s)
x    6
y    5
z    2
# 通过字典创建Series
s = pd.Series({
    'day': 2,
    'month': 2,
    'year': 2022
})
print(s)
day         2
month       2
year     2022
dtype: int64
# 通过索引操作数据
print(s['year'])
2022

3. DataFrame

3.1 DataFrame结构

DataFrame对象既有行索引，又有列索引

• 行索引：表明不同行，横向索引，叫index，axis=0
• 列索引：表明不同列，纵向索引，叫columns，axis=1

3.2 DataFrame属性与方法

• shape DataFrame的形状

• index DataFrame行索引

• columns DataFrame列索引

• values DataFrame的值

• T DataFrame转置

• head(n) DataFrame的前n行，默认为前5行

• tail(n) DataFrame的后n行，默认为后5行

  print(data.shape) # (10, 5)
  print(data.index)

  Index([‘股票1’, ‘股票2’, ‘股票3’, ‘股票4’, ‘股票5’, ‘股票6’, ‘股票7’, ‘股票8’, ‘股票9’, ‘股票10’], dtype=‘object’)

  print(data.columns)