Pandas
文章目录
一 、 Series
Series是一种一维数组对象，包含索引和数据。
1.列表 and Series
通过列表创建一个Series
import pandas as pd
a = pd.Series([1, 1, 2, 3, 2, 1, 1])
print(a)
输出结果第一列为索引（index），第二列为数据（value），如下：
0 1
1 1
2 2
3 3
4 2
5 1
6 1
dtype: int64
设置索引
import pandas as pd
import pandas as pd
x = ['a', 'b', 'c', 'd']
y = [0, 1, 2, 3]
s =pd.Series(y, index=x)
print(s)
print(s[2])
print(s['c'])
输出结果为：
a 0
b 1
c 2
d 3
dtype: int64
2
2
虽然在创建Series的时候设置了index，但从输出结果可以看出：s[2]和s[c]的含义是一样的，也就是说，Pandas实际上还是有隐藏的位置信息的。所以，Series中应该是可以通过两种方法返回数据的：一种是位置，一种是索引。
**Attention：**如果设置索引的时候是用的数字，用位置的方法貌似就返回不了对应位置上的数据了！
For example：
import pandas as pd
x = [5, 4, 6, 2]
y = [0, 1, 2, 3]
s =pd.Series(y, index=x)
print(s[2])
输出结果为：
3
输出是3，而不是对应位置（第3位）的2。
2. 字典 and Series
通过字典创建一个Series
import pandas as pd
dict1 = {'a': 1, 'b': 5, 'c': 7, 'd': 3}
s = pd.Series(dict1)
print(s)
通过字典创建的Series，索引即为该字典中的键。
输出结果如下：
a 1
b 5
c 7
d 3
dtype: int64
键值与设置的索引不匹配
如果键值与设置的索引不匹配，则会返回NaN。
import pandas as pd
dict1 = {'a': 1, 'b': 5, 'c': 7, 'd': 3}
l = ['a', 'b', 'c', 'd', 'e']
s = pd.Series(dict1, index=l)
print(s)
输出结果为：
a 1.0
b 5.0
c 7.0
d 3.0
e NaN
dtype: float64
自动对齐不同索引的数据
import pandas as pd
dict1 = {'a': 1, 'b': 5, 'c': 7, 'd': 3}
s1 = pd.Series(dict1)
dict2 = {'a': 5, 'd': 8, 'c': 9, 'f': 3, 'e': 1}
s2 = pd.Series(dict2)
print(s1 + s2)
输出结果为：
a 6.0
b NaN
c 16.0
d 11.0
e NaN
f NaN
dtype: float64
Series相加
如果有相同索引，则进行运算；如果没有相同索引则进行数据对齐，引入空缺值。
例：
import pandas as pd
dict1 = {'a': 1, 'b': 5, 'c': 7, 'd': 3}
s1 = pd.Series(dict1)
dict2 = {'a': 2, 'e': 5, 'd': 7, 'f': 3, 'c': 8}
s2 = pd.Series(dict2)
print(s1, '\n')
print(s2, '\n')
print(s1 + s2)
输出结果为：
a 1
b 5
c 7
d 3
dtype: int64
a 2
e 5
d 7
f 3
c 8
dtype: int64
a 3.0
b NaN
c 15.0
d 10.0
e NaN
f NaN
dtype: float64
二、 Dataframe
Dataframe是一个表格型的数据结构，它每列可以为不同类型的数据。
Dataframe既有行索引，也有列索引。
1. 创建Dataframe
pd.DataFrame(dict1, column=, index=)
import pandas as pd
dict1 = {'city':['北京', '金华', '深圳'],
'weather':['晴', '雨', '阴'],
'temperature':['25℃', '27℃', '30℃']}
a = pd.DataFrame(dict1)
print(a)
输出结果为：
city weather temperature
0 北京 晴 25℃
1 金华 雨 27℃
2 深圳 阴 30℃
Dataframe中的column函数指定列的名称，index则设置行的索引。
2. Dataframe的属性
| 方法 | 属性 |
|---|---|
| df.values | 所有值 |
| df.columns | 所有列 |
| df.size | 元素个数 |
| df.ndim | 维度 |
| df.shape | 形状 |
| df.index | 索引 |
3.Dataframe数据的查询
索引…索引
选取列
通过列索引标签或以属性的方式可以单独获取Dataframe的列数据，返回的数据为Series类型数据。（选取列的时候不能用切片）
import pandas as pd
dict1 = {'city': ['北京', '金华', '深圳'],
'weather': ['晴', '雨', '阴'],
'temperature': ['25℃', '27℃', '30℃']}
a = pd.DataFrame(dict1)
#选取city和weather
s1 = a[['city', 'weather']]
#选取包含字符串类型的列标签
s2 = a.select_dtypes(include='object')
#选取除了int64类型的列标签
s3 = a.select_dtypes(exclude='int64')
print(s1, '\n')
print(s2, '\n')
print(s3)
输出结果为：
city weather
0 北京 晴
1 金华 雨
2 深圳 阴
city weather temperature
0 北京 晴 25℃
1 金华 雨 27℃
2 深圳 阴 30℃
city weather temperature
0 北京 晴 25℃
1 金华 雨 27℃
2 深圳 阴 30℃
选取行
通过行索引或行索引位置的切片可以选取行数据。
import pandas as pd
dict1 = {'city': ['北京', '金华', '深圳'],
'weather': ['晴', '雨', '阴'],
'temperature': ['25℃', '27℃', '30℃']}
a = pd.DataFrame(dict1)
w1 = a[:2]
print(w1)
输出结果为：
city weather temperature
0 北京 晴 25℃
1 金华 雨 27℃
选取行和列
通过loc和iloc可以实现。
.loc(行索引名称或条件，列索引名称)
.iloc(行索引位置，列索引位置)
loc示例：
import pandas as pd
dict1 = {'city': ['北京', '金华', '深圳'],
'weather': ['晴', '雨', '阴'],
'temperature': [25, 27, 30]}
a = pd.DataFrame(dict1)
p1 = a.loc[1:2, ['city']]
p2 = a.loc[1, ['city', 'temperature']]
p3 = a.loc[a['temperature'] > 25, ['city', 'temperature']]
print(p1, '\n')
print(p2, '\n')
print(p3)
输出结果为：
city
1 金华
2 深圳
city 金华
temperature 27
Name: 1, dtype: object
city temperature
1 金华 27
2 深圳 30
iloc示例：
import pandas as pd
dict1 = {'city': ['北京', '金华', '深圳'],
'weather': ['晴', '雨', '阴'],
'temperature': [25, 27, 30]}
a = pd.DataFrame(dict1)
p1 = a.iloc[:, 2] #显示前两列
p2 = a.iloc[[1, 2]] #显示第2行和第3行
print(p1, '\n')
print(p2)
输出结果为：
0 25
1 27
2 30
Name: temperature, dtype: int64
city weather temperature
1 金华 雨 27
2 深圳 阴 30
4.Dataframe数据的编辑
增加数据
增加行：
通过append方法传入字典即可，参数ignore_index可以设置是否忽略原Index。
import pandas as pd
dict1 = {'city': ['北京', '金华', '深圳'],
'weather': ['晴', '雨', '阴'],
'temperature': [25, 27, 30]}
a = pd.DataFrame(dict1)
dict2 = {'city': '吉安', 'weather': '晴', 'temperature': 29}
b = a.append(dict2, ignore_index=True)
print(b)
输出结果为：
city weather temperature
0 北京 晴 25
1 金华 雨 27
2 深圳 阴 30
3 吉安 晴 29
增加列：
在原字典里面增加或为新增的列赋值即可。若要在指定位置增加列，则可以使用insert函数。
赋值：
import pandas as pd
dict1 = {'city': ['北京', '金华', '深圳'],
'weather': ['晴', '雨', '阴'],
'temperature': [25, 27, 30]}
a = pd.DataFrame(dict1)
a['air'] = ['差', '好', '中']
print(a)
输出结果为：
city weather temperature air
0 北京 晴 25 差
1 金华 雨 27 好
2 深圳 阴 30 中
指定位置插入：
import pandas as pd
dict1 = {'city': ['北京', '金华', '深圳'],
'weather': ['晴', '雨', '阴'],
'temperature': [25, 27, 30]}
a = pd.DataFrame(dict1)
a.insert(1, 'air', ['差', '好', '中'])
print(a)
输出结果为：
city air weather temperature
0 北京 差 晴 25
1 金华 好 雨 27
2 深圳 中 阴 30
删除数据
通过drop来删除数据，通过axis参数设定删除的是行（0）还是列（1）。如果在原数据上删除需要设置参数inplace=Ture。
import pandas as pd
dict1 = {'city': ['北京', '金华', '深圳'],
'weather': ['晴', '雨', '阴'],
'temperature': [25, 27, 30]}
a = pd.DataFrame(dict1)
print(a, '\n')
a.drop(0, axis=0, inplace=True)
print(a)
输出结果为：
city weather temperature
0 北京 晴 25
1 金华 雨 27
2 深圳 阴 30
city weather temperature
1 金华 雨 27
2 深圳 阴 30
修改数据
通过replace来修改数据。
Attention：修改数据是直接对Dataframe数据修改，操作无法撤销，更改数据时要做好数据备份。
replace.(to_replace=None, value=None, inplace=False)
其中to_replace表示被替换的值，value表示替换后的值。
import pandas as pd
dict1 = {'city': ['北京', '金华', '深圳'],
'weather': ['晴', '雨', '阴'],
'temperature': [25, 27, 30]}
a = pd.DataFrame(dict1)
a.replace(to_replace='北京', value='上海', inplace=True)
print(a)
输出结果为：
city weather temperature
0 上海 晴 25
1 金华 雨 27
2 深圳 阴 30
修改行、列名
通过rename修改列名，需传入一个字典。
修改行名：
import pandas as pd
dict1 = {'city': ['北京', '金华', '深圳'],
'weather': ['晴', '雨', '阴'],
'temperature': [25, 27, 30]}
a = pd.DataFrame(dict1)
a.rename(index={1: 'na'}, inplace=True)
print(a)
输出结果为：
city weather temperature
0 北京 晴 25
na 金华 雨 27
2 深圳 阴 30
修改列名：
import pandas as pd
dict1 = {'city': ['北京', '金华', '深圳'],
'weather': ['晴', '雨', '阴'],
'temperature': [25, 27, 30]}
a = pd.DataFrame(dict1)
a.rename(columns={'temperature': 'temp'}, inplace=True)
print(a)
输出结果为：
city weather temp
0 北京 晴 25
1 金华 雨 27
2 深圳 阴 30
5.Dataframe相加
Dataframe的数据对齐则会同时发生在行和列上。
import pandas as pd
dict1 = {'a': [1, 2], 'b': [5, 6], 'c': [7, 8], 'd': [3, 4]}
s1 = pd.DataFrame(dict1, index=['A', 'B'])
dict2 = {'a': [2, 3], 'e': [5, 6], 'd': [7, 8], 'f': [3, 4], 'c': [8, 9]}
s2 = pd.DataFrame(dict2, index=['A', 'C'])
print(s1, '\n')
print(s2, '\n')
print(s1 + s2)
输出结果为：
a b c d
A 1 5 7 3
B 2 6 8 4
a e d f c
A 2 5 7 3 8
C 3 6 8 4 9
a b c d e f
A 3.0 NaN 15.0 10.0 NaN NaN
B NaN NaN NaN NaN NaN NaN
C NaN NaN NaN NaN NaN NaN
三、索引
1.索引对象
构建Series或Dataframe时，所用到的任何数组或其它序列的标签都会被转换成一个Index。
import pandas as pd
dict1 = {'city':['北京', '金华', '深圳'],
'weather':['晴', '雨', '阴'],
'temperature':['25℃', '27℃', '30℃']}
a = pd.DataFrame(dict1)
print(a)
print(a.index)
print(a.columns)
输出结果为：
city weather temperature
0 北京 晴 25℃
1 金华 雨 27℃
2 深圳 阴 30℃
RangeIndex(start=0, stop=3, step=1)
Index(['city', 'weather', 'temperature'], dtype='object')
索引对象不能进行修改，否则会报错。
关于Index的一些使用方法和属性：
| 方法 | 属性 |
|---|---|
| append | 连接另一个Index对象，产生一个新的Index |
| difference | 计算差集 |
| intersection | 计算交集 |
| union | 计算并集 |
| isin | 计算一个指示各值是否都包含在参数集合中的布尔类型值 |
| delect | 删除所输入索引处的元素 |
| drop | 删除传入的值 |
| insert | 将元素插入输入的索引处 |
| is_monotonic | 当每个元素都大于等于前一个元素的时候，会输出ture |
| is_unique | 当Index中的值没有重复的时候，会输出ture |
| unique | 计算Index中唯一值的数组 |
2.重建索引
上面说到了，索引对象是不能改变的，所以重建索引的意思不是改变索引对象，而是对索引重新排序。如果索引值不存在，则引入空缺值NaN。
方法
import pandas as pd
a = pd.Series([1, 2, 3, 4], index=['a', 'd', 'c', 'b'])
b = a.reindex(['a', 'b', 'c', 'd', 'e'])
print(a, '\n')
print(b)
输出结果为：
a 1
d 2
c 3
b 4
dtype: int64
a 1.0
b 4.0
c 3.0
d 2.0
e NaN
dtype: float64
填充缺失值
可以用fill_value参数来填充引入的空缺值。
import pandas as pd
a = pd.Series([1, 2, 3, 4], index=['a', 'd', 'c', 'b'])
b = a.reindex(['a', 'b', 'c', 'd', 'e'], fill_value=5)
print(a, '\n')
print(b)
输出结果为：
a 1
d 2
c 3
b 4
dtype: int64
a 1
b 4
c 3
d 2
e 5
dtype: int64
reindex的常用参数
| 参数 | 作用 |
|---|---|
| index | 用于索引新的序列 |
| method | 填充方式 |
| fill_value | 填充空缺值 |
| limit | 最大填充量 |
| level | （看不懂） |
| copy | 默认为Ture，无论如何都复制；如果为False，则新索引与旧索引相等的时候就不复制 |
3.更换索引
将列数据作为索引：
set_index()
import pandas as pd
dict1 = {'city': ['北京', '金华', '深圳'],
'weather': ['晴', '雨', '阴'],
'temperature': ['25℃', '27℃', '30℃']}
a = pd.DataFrame(dict1)
b = a.set_index('city')
print(b)
输出结果为：
weather temperature
city
北京 晴 25℃
金华 雨 27℃
深圳 阴 30℃
还原索引：
reset_index()
import pandas as pd
dict1 = {'city': ['北京', '金华', '深圳'],
'weather': ['晴', '雨', '阴'],
'temperature': ['25℃', '27℃', '30℃']}
a = pd.DataFrame(dict1, index=['a', 'b', 'c'])
b = a.reset_index()
print(a,'\n')
print(b)
输出结果为：
city weather temperature
a 北京 晴 25℃
b 金华 雨 27℃
c 深圳 阴 30℃
index city weather temperature
0 a 北京 晴 25℃
1 b 金华 雨 27℃
2 c 深圳 阴 30℃
该方法可以重新恢复索引为默认的整型索引。
939
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
