python库——pandas

官方文档：https://pandas.pydata.org/docs/
安装

pip install pandas

jupyter notebook安装

! pip install pandas

数据结构

Pandas最重要的数据结构：Series、DataFrame

Series

类似一维数组，由一组数据（Numpy数据类型）及一组与之对应的索引（数据标签）组成

构建

import numpy as np
import pandas as pd

ser_obj = pd.Series(range(10, 20))
print(ser_obj)

0 10
1 11
2 12
3 13
4 14
5 15
6 16
7 17
8 18
9 19
dtype: int64

获取数据

print(ser_obj.values)

[10 11 12 13 14 15 16 17 18 19]

获取索引

print(ser_obj.index)

RangeIndex(start=0, stop=10, step=1)

运算

print(ser_obj*2)

0 20
1 22
2 24
3 26
4 28
5 30
6 32
7 34
8 36
9 38
dtype: int64

print(ser_obj>15)

0 False
1 False
2 False
3 False
4 False
5 False
6 True
7 True
8 True
9 True
dtype: bool

使用字典构建

year_data = {
   2001: 17.8, 2005: 20.1, 2003: 16.5}
ser_obj2 = pd.Series(year_data)
print(ser_obj2)
print(ser_obj2.index)
print(ser_obj2[2001])

2001 17.8
2005 20.1
2003 16.5
dtype: float64
Int64Index([2001, 2005, 2003], dtype=‘int64’)
17.8

name属性
对象名：ser_obj.name
对象索引名：ser_obj.index.name

print(ser_obj2.name)
print(ser_obj2.index.name)

None
None

ser_obj2.name = 'temp'
ser_obj2.index.name = 'year'
print(ser_obj2.head())

year
2001 17.8
2005 20.1
2003 16.5
Name: temp, dtype: float64

series对象本质上由两个数组构成，一个数组构成对象的键，一个数组构成对象的值

DataFrame

表格型数据结构，每列可以是不同类型的值，既有行索引也有列索引
行索引：index，0轴
列索引：columns，1轴

构建

t = pd.DataFrame(np.arange(12).reshape(3,4))
print(t)

t1 = pd.DataFrame(np.random.randn(5,4))
print(t1)
print(t1.head())

dict_data = {
   'A':1,
            'B':pd.Timestamp('20210831'),
            'C':pd.Series(1,index=list(range(4)),dtype='float32'),
            'D':np.array([3]*4,dtype='int32'),
            'E':['python','java','c++','c'],
            'F':'hello'}

t2 = pd.DataFrame(dict_data)
print(t2)

print(t2['A'])

0 1
1 1
2 1
3 1
Name: A, dtype: int64

print(type(t2['A'])

<class ‘pandas.core.series.Series’>

print(t2.A)

0 1
1 1
2 1
3 1
Name: A, dtype: int64

d1 = [{
   "name" : "xiaohong" ,"age" :32,"tel" :10010},{
    "name": "xiaogang" ,"tel": 10000} ,{
   "name":"xiaowang" ,"age":22}]
t3 = pd.DataFrame(d1)
t3

增加列

t2['G'] = t2['D']+4
t2

删除列

# 1
del(t2['G'])
# 2
t2.drop_duplicates(subset=['G'])
t2

• subset：默认采用所有列，可以指定特定列
• keep：可选{‘first’, ‘last’, False}, 默认 ‘first’，选择保留第一次还是最后一次行，或者都不要
• inplace：bool, 默认 False， 判断是原地替换还是返回一个copy
• ignore_index：bool, 默认 False，如果设置为True，索引会重新从0开始
  

索引

print(type(t2.index))
print(t2.index)

<class ‘pandas.core.indexes.numeric.Int64Index’>
Int64Index([0, 1, 2, 3], dtype=‘int64’)

索引对象不可变，保证数据安全。
常见索引：

• Index 索引
• Int64Index 整数索引
• MultiIndex 层级索引
• DatetimeIndex 时间戳索引

指定行索引名

s = pd.Series(range(5),index=['a','b','c','d','e'])
s

a 0
b 1
c 2
d 3
e 4
dtype: int64

print(s