3.1 pandas基本操作、生成与索引

pandas数据分析处理库

3.1.1 pandas概述

1. import pandas as pd
   hua = pd.read_csv(’./data/hua.csv’)#读入的结构为DataFrame
   hua.head() #显示数据的前5列
   hua.head(10) #显示数据的前10列
2. hua.info() #返回该数据的信息
   hua.index #返回索引范围
   hua.colums #返回每列的列名
   hua.dtypes #返回每列的类型
   hua.values #返回每行的值

3.1.2 DataFrame结构构造

1. data = {‘country’:[‘aaa’,‘bbb’,‘ccc’],
   ‘population’:[10,11,23]}
   hua = pd.DataFrame(data) #创建了一个DataFrame结构
2. population = hua[‘population’] #返回hua的population列
   population[:5] #只显示前五行
   population.index
   population.values[:5]

3.1.3 基本操作

1. DataFrame中的一行或者一列称为series
   hua[‘population’][:5] #显示population的前5列
2. hua02 = hua.set_index(‘country’) #将country设为索引
3. population = hua02[‘population’]
   population02 = population+5 #数组数值运算
   population.mean()
   population.max()
   population.min()
4. hua02.describe() #统计数组内所有数值的信息

3.1.4 索引

1. hua = pd.read_csv(’./data/hua.csv’)
   hua[‘Age’][:5] #显示Age列的前5行
   hua[[‘Age’,‘Fare’]][:5] #显示Age与Fare列的前5行

2. loc用label（字符串？）来去定位，iloc用position（数值）来去定位。
   hua.iloc[0] #相当于第一行的数据
   hua.iloc[0:5]
   hua.iloc[0:5,1:3] #要0到5行的数据，每个数据只要第1和2列。

3. hua02 = hua.set_index(‘Name’) #将Name设为索引
   hua02.loc[‘huaqianmo’]
   hua02.loc[‘huaqianmo’,‘Fare’] #返回索引huaqianmo的Fare数据。
   hua02.loc[‘huaqianmo’:‘liuwen’,:] #返回从索引huaqianmo到liuwen之间的所有数据（行）的所有参数（列）。

4. hua02.loc[‘huaqianmo’,‘Fare’]=1000 #定位到的数据可以直接进行赋值操作。

5. bool类型的索引
   hua[‘Fare’]>40 #返回bool数组，Fare列数值大于40的变为True.0
   hua[hua[‘Fare’]>40] #得到索引，并将该索引传回DataFrame中，只返回True的值
   hua[hua[‘Sex’]==‘male’][:5]

   或者：
   hua.loc[hua[‘Sex’]==‘male’,‘Age’].mean() #统计Sex为male的series，并对其Age取平均值。
   (hua[‘Age’]>70).sum() #统计个数

3.1.4 pandas删除行、列

1. 删除某列或某行数据可以用到pandas提供的方法drop，
   drop方法的用法：drop(labels, axis=0, level=None, inplace=False, errors=‘raise’)； – axis为0时表示删除行，axis为1时表示删除列
2. 删除单行：
   df2=df1.drop(labels=0) # axis默认等于0，即按行删除，这里表示按行删除第0行
3. 删除多行：
   通过labels来控制删除行或列的个数，如果是删多行/多列，需写成labels=[1,3]，不能写成labels=[1:2],用:号会报错。
   删除指定的某几行（非连续的）：
   df21=df1.drop(labels=[1,3],axis=0) # axis=0 表示按行删除，删除第1行和第3行
   要删除连续的多行可以用range()，删除连续的多列不能用此方法。df22=df1.drop(labels=range(1,4),axis=0) # axis=0 表示按行删除，删除索引值是第1行至第3行的正行数据
4. 删除单列：
   df3=df1.drop(labels=‘gender’,axis=1) # axis=1 表示按列删除，删除gender列。
   删除多列，删除指定的某几列：
   df4=df1.drop(labels=[‘gender’,“age”],axis=1) # axis=1 表示按列删除，删除gender、age列