Python 数据挖掘（四） pandas模块 简单使用

1.pandas模块

pandas是基于numpy模块构建的。

pandas的主要功能：

• 具备对其功能的数据结构DataFrame、Series
• 集成时间序列功能
• 提供丰富的数学运算和操作
• 灵活处理缺失数据

2.pandas数据结构

    Series是一种类似于以为NumPy数组的对象，它由一组数据（各种NumPy数据类型）和与之相关的一组数据标签（即索引）组成的。可以用index和values分别规定索引和值。如果不规定索引，会自动创建 0 到 N-1 索引。
    DataFrame是一种表格型结构，含有一组有序的列，每一列可以是不同的数据类型。既有行索引，又有列索引，可以被看做由Series组成的字典（使用共同的索引）。跟其他类似的数据结构（比如R中的data.frame），DataFrame面向行和列的操作基本是平衡的。其实，DataFrame中的数据是以一个或者多个二维块存放的（不是列表、字典或者其他）。

3.pandas简单使用

3.1 Series

import pandas as pda

# Series方法以及index索引  
a = pda.Series([8, 9, 2, 1])  # 默认的索引是0 1 2 3
b = pda.Series([8, 9, 2, 1], index=["one", "two", "three", "four"])
print("没有索引：\n", a)
print("有索引：\n", b)

输出结果：

 3.2 DataFrame

# DataFrame方法 含义是数据框，就是一个表格，拥有行和列，也相当于一个二维数组,通过数组的形式创建
# 0 1 2 3 是默认的列名
c = pda.DataFrame([[7,5,9,11],[2,4,5,13],[16,3,22,18]])

# columns是列名
d = pda.DataFrame([[7,5,9,11],[2,4,5,13],[16,3,22,18]],columns=["one","two","three","four"])

print(c)
print(d)

输出结果：

 

 3.3 head 和 tail

# 2代表取前2行，如果不填数字，默认是取前5行
print(d.head(2))

# 2代表取后2行，如果不填数字，默认是取后5行
print(d.tail(2))

# describe方法，展示表的列个数、平均数、标准差、最小值、每一列的四分位数(25%)、每一列的四分位数(50%)、每一列的四分位数(75%)和最大数
print(d.describe())

输出结果：

 

 3.4 转置

print(d.T)

3.5 通过字典创建

# 通过字典的形式创建,字典{}key:value的形式,数据会自动填充，是数据本身
# one,two这些代表的是列名
e = pda.DataFrame({
    "one": 8,
    "two": [11, 15, 8],
    "three": list(str(345))
})
print(e)

输出结果：