Pandas

Pandas使用一个二维的数据结构DataFrame来存放表格式的数据。相比于Numpy，Pandas可以存放混合数据类型的数据，同时可用NaN表示缺失的数据，而不用像Numpy一样要手工处理缺失数据。

读取数据

Pandas使用函数read_csv()来读取csv文件

import pandas

food_info = pandas.read_csv('food_info.csv')

print(type(food_info))
# 输出：<class 'pandas.core.frame.DataFrame'> 返回一个DataFrame类对象

food_info.csv内容如下：

可使用head()方法显示前n条数据，若未指定参数，则默认显示前5条

first_rows = food_info.head(5)

可使用columns属性显示全部的列名

print(food_info.columns)

# 输出全部的列名，而不是用省略号代替
Index(['NDB_No', 'Shrt_Desc', 'Water_(g)', 'Energ_Kcal', 'Protein_(g)', 'Lipid_Tot_(g)', 'Ash_(g)', 'Carbohydrt_(g)', 'Fiber_TD_(g)', 'Sugar_Tot_(g)', 'Calcium_(mg)', 'Iron_(mg)', 'Magnesium_(mg)', 'Phosphorus_(mg)', 'Potassium_(mg)', 'Sodium_(mg)', 'Zinc_(mg)', 'Copper_(mg)', 'Manganese_(mg)', 'Selenium_(mcg)', 'Vit_C_(mg)', 'Thiamin_(mg)', 'Riboflavin_(mg)', 'Niacin_(mg)', 'Vit_B6_(mg)', 'Vit_B12_(mcg)', 'Vit_A_IU', 'Vit_A_RAE', 'Vit_E_(mg)', 'Vit_D_mcg', 'Vit_D_IU', 'Vit_K_(mcg)', 'FA_Sat_(g)', 'FA_Mono_(g)', 'FA_Poly_(g)', 'Cholestrl_(mg)'], dtype='object')

 可将columns的输出转换为list类型

food_info.columns.tolist()
# 将columns的输出转换为list类型

有shape属性显示表格的维度

print(food_info.shape)
# 输出(8618, 36)

 各个列可使用的数据类型包括：

• object -- 字符串类型
• int -- 整型
• float -- 浮点数类型
• datetime -- 时间类型
• bool -- 布尔类型

dtypes属性会给出每一列数据的数据类型

print(food_info.dtypes)
# 输出：每一列对应的数据类型

NDB_No            int64

Shrt_Desc           object

Water_(g)           float64

Energ_Kcal          int64

Protein_(g)          float64

...

创建一个Pandas DataFrame对象：

df = pandas.DataFrame([[1, 2], [4, 5], [7, 8]],
     index=['cobra', 'viper', 'sidewinder'],
     columns=['max_speed', 'shield'])

 返回数据如下：

	max_speed	shield
cobra	1	2
viper	4	5
sidewinder	7	8

若不指定index和columns：

df = pandas.DataFrame([[1, 2], [4, 5], [7, 8]])

则从0开始对其index和columns编号 

	0	1
0	1	2
1	4	5
2	7	8

 

读取某一行的数据：

df.loc[index]，若没有指定index，则输入行号（从0开始）

读取某一列的数据：

df[column]，若没有指定column，则输入column(从0开始)