Python数据科学入门--Pandas学习精要

Python

Pandas学习入门要点

 

Pandas是在NumPy基础上建立的新程序库，提供了一种高效的DataFrame数据结构，DataFrame的本质是一种带行列标签的二维数组，其最主要的特性之一是支持缺失值补全。在安装Pandas之前，要先安装NumPy,在科学发行版Anaconda中，已经默认包含安装有NumPy和Pandas。

在这里我还是要推荐下我自己建的Python开发学习群：483546416，都是学Python开发的，如果你正在学习Python ，小编欢迎你加入，今天分享的这个案例已经上传到群文件，大家都是软件开发党，不定期分享干货（只有Python软件开发相关的），包括我自己整理的一份2017最新的Python零基础资料和Python进阶教程，欢迎进加入

一种常用的导入习惯如下：

import numpy as npimport pandas as pd

1. Pandas 的Series对象和DataFrame对象

Pandas的Series对象本质上是带索引的一维数组，而DataFrame则是二维数组，可以通过数组来建立Series对象。指定index参数以确定索引值，如果不指定index参数，系统会根据需要自动生成索引。创建Series对象时，可以采用数组，也可以使用标量（Series会把这个量重复到每个索引上），也可以使用Python字典（index默认是排序的字典键)

data=pd.Series(np.arange(5),index=['a','b','c','d','e'])
data

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

data.index

Index(['a', 'b', 'c', 'd', 'e'], dtype='object')

data.values

array([0, 1, 2, 3, 4])

以下通过population和area两个Series对象创建一个DataFrame对象。

population_dict={'California':38, 'Texas':26, 'New York':19, 'Florida':19, 'Illinois':12}
population=pd.Series(population_dict)
population

California 38
Florida 19
Illinois 12
New York 19
Texas 26
dtype: int64

area_dict={'California':423, 'Texas':170, 'New York':150, 'Florida':141, 'Illinois':695}
area=pd.Series(area_dict)
area参数

---------------------------------------------------------------------------
NameError Traceback (most recent call last)
<ipython-input-7-637b1708a8e4> in <module>()
 5 'Illinois':695}
 6 area=pd.Series(area_dict)
----> 7 area参数
NameError: name 'area参数' is not defined

states=pd.DataFrame({'population':population, 'area':area})
states

states.index

states.columns

Pandas的Series和DataFrame的Index对象非常有用，可以看作不可变的数组,用于进行索引，可以对Index对象通过& | ^等操作实现交集、并集或者异或操作。
在对Pandas对象进行索引时，可以采用字典查询或者数组的切片、索引等方法，也可以使用loc（显式，明确指出索引名称）,iloc（隐式，指出索引序号）和ix（混合）等索引办法。

2.Pandas数值运算

Pandas继承了来自NumPy中基本计算基础，并在此基础上进行了扩充与发展。简单来说，对于一元运算（函数和三角函数），在输出结果中保留索引和列标签，对于二元运算（加减乘除等），会自动对齐索引进行计算，这也是Pandas最突出的特点之一。

rng=np.random.RandomState(42)
ser=pd.Series(rng.randint(0,10,4))
ser

df=pd.DataFrame(rng.randint(0,10,(3,4)),columns=['A','B','C','D'])
df

np.sin(df*np.pi/4)