pandas数据结构(python数据分析活用pandas库)

目录

1创建数据

 1.1创建series

1.2创建dataframe

 2.Series

 2.1  类似于ndarray的Series

2.2布尔子集：series

 2.3 操作自动对齐和向量化

 2.3.1同长度向量

 2.3.2向量和整数运算

2.3.3不同长度向量间的运算

2.3.4带有常见索引标签的向量

 3.dataframe

3.1布尔子集

3.2操作自动对齐和向量化

 4.更改series和dataframe

 4.1 添加列

 4.2 更改列

4.3 删除值

---

1创建数据

 1.1创建series

import pandas as pd

#通过传入一个python列表，手动为series指定索引值

s=pd.Series(['Wes Mckinney','Creator of Pandas'],index=['Person','Who'])

print(s)

1.2创建dataframe

scientists=pd.DataFrame({

    'Name':['Rosaline Franklin','william Gosset'],

    'Occupation':['Chemist','Statistician'],

    'Born':['1920-07-25','1876-06-13'],

    'Died':['1958-04-16','1937-10-16'],

    'Age':[37,61]

})

print(scientists)

 2.Series

#创建名为scientists的dataframe

#带有行索引标签

scientists=pd.DataFrame(

    data={

    'Occupation':['Chemist','Statistician'],

    'Born':['1920-07-25','1876-06-13'],

    'Died':['1958-04-16','1937-10-16'],

    'Age':[37,61]

},index=['Rosaline Franklin','william Gosset'],columns=['Occupation','Born','Died','Age'])

print(scientists)

#使用行索引标签进行选择

first_row=scientists.loc['william Gosset']

print(type(first_row))

print(first_row)

#series的两个属性

print(first_row.index)

print(first_row.values)

#series的方法

print(first_row.keys())

#使用属性获取第一个索引

print(first_row.index)

#使用方法获取第一个索引

print(first_row.keys()[0])

 

 2.1  类似于ndarray的Series

scientists=pd.read_csv('scientists.csv')



#获取age列

ages=scientists['Age']

print(ages)

print(ages.mean())

print(ages.min())

print(ages.max())

print(ages.std())

# mean,min,max,std也是numpy.ndarry的方法

2.2布尔子集：series

ages=scientists['Age']

print(ages)

#获取基本统计量

print(ages.describe())

#所有年龄的平均值

print(ages.mean())

#获取大于平均值的年龄

print(ages[ages>ages.mean()])

 

 2.3 操作自动对齐和向量化

 2.3.1同长度向量

print(ages+ages)

print(ages*ages)

 2.3.2向量和整数运算

print(ages+100)

print(ages*2)

 

2.3.3不同长度向量间的运算

print(ages+pd.Series([1,100]))

 

2.3.4带有常见索引标签的向量

#根据年龄在数据中的原有顺序输出

rev_ages=ages.sort_index(ascending=False)

print(rev_ages)

#参考输出，显示索引标签对齐

print(ages*2)

#在向量反向的情形下如何获取相同值

print(ages+rev_ages)

 

 3.dataframe

3.1布尔子集

#使用布尔向量获取部分数据行

print(scientists[scientists['Age']>scientists['Age'].mean()])

#传入包含8个值的布尔向量

#返回3行

print(scientists.loc[[True,False,True,False,True,False,False,False]])

3.2操作自动对齐和向量化

first_half=scientists[:4]

second_half=scientists[4:]

print(first_half)

print(second_half)

print(scientists*2)

 

 4.更改series和dataframe

 4.1 添加列

print(scientists['Born'].dtype)

print(scientists['Died'].dtype)

#born和died列的类型是object，表明它们是字符串



#把born列格式化为dataframe

born_dataframe=pd.to_datetime(scientists['Born'],format='%Y-%m-%d')

print(born_dataframe)

died_dataframe=pd.to_datetime(scientists['Died'],format='%Y-%m-%d')

print(died_dataframe)



scientists['born_dt'],scientists['died_dt']=(born_dataframe,died_dataframe)

print(scientists.head())

 

 4.2 更改列

print(scientists['Age'])

import random

random.seed(42)

random.shuffle(scientists['Age'])



print(scientists['Age'])



#使用random_state减少随机化

#sample(L, n) 从序列L中随机抽取n个元素，并将n个元素以list形式返回。

#reset_index中drop=True参数指示pandas不要把索引插入到dataframe列中

scientists['Age']=scientists['Age'].sample(len(scientists['Age']),random_state=24).reset_index(drop=True)

print(scientists['Age'])



#死亡日期减去出生日期得到在世天数

scientists['age_days_dt']=(scientists['died_dt']-scientists['born_dt'])

print(scientists)



#使用astype方法把天数转换成年

#Timedeltas时间上差异，以差异单位表示，例天，小时，分钟，秒

scientists['age_days_dt']=scientists['age_days_dt'].astype('timedelta64[Y]')

print(scientists)

 4.3 删除值

print(scientists.columns)



#删除混乱的age列

#设置参数axis=1,删除列

scientists_dropped=scientists.drop(['Age'],axis=1)




#删除指定列之后

print(scientists_dropped.columns)