Pandas库入门

Pandas库入门

pandas有两大数据类型series和dataframe

Series

import pandas as pd

pd.Series(range(20))

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

这个就是Series，左边的是index，右边的是value

Series的创建方法

由列表创建

pd.Series([9, 8, 7, 6])

0    9
1    8
2    7
3    6
dtype: int64

其中参数index就是索引，默认是自定义索引，即从0开始

pd.Series([9, 8, 7, 6], ['a', 'b', 'c', 'd'])

a    9
b    8
c    7
d    6
dtype: int64

由标量创建

pd.Series(25, ['a', 'b', 'c'])

a    25
b    25
c    25
dtype: int64

由字典创建

pd.Series({'a':9, 'b':8, 'c':7})

a    9
b    8
c    7
dtype: int64

pd.Series({'a':9, 'b':8, 'c':7}, index=['c', 'a', 'b', 'd'])

c    7.0
a    9.0
b    8.0
d    NaN
dtype: float64

由ndarray类型创建

import numpy as np
pd.Series(np.arange(5))

0    0
1    1
2    2
3    3
4    4
dtype: int32

pd.Series(np.arange(5), index=np.arange(9, 4, -1))

9    0
8    1
7    2
6    3
5    4
dtype: int32

Series的属性

b = pd.Series([9, 8, 7, 6], ['a', 'b', 'c', 'd'])
b

a    9
b    8
c    7
d    6
dtype: int64

b.index

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

b.values

array([9, 8, 7, 6], dtype=int64)

通过索引获得值

b['b']

8

但是Series含有默认索引即从0开始的下标

b[1]

8

b[3]

6

b[:3]

a    9
b    8
c    7
dtype: int64

b[b > b.median()] 

a    9
b    8
dtype: int64

可以看出对Series进行切片等操作返回值仍然为Series类型

'c' in b # 判断索引是否存在

True

0 in b

False

b.get('f', 100) # 获得f索引所对应的值，若b中不存在f索引，则返回100

100

Series之间的运算

a = pd.Series([1, 2, 3], ['c', 'd', 'e'])
b = pd.Series([9, 8, 7, 6], ['a', 'b', 'c', 'd'])
a + b # Series相加是索引相同的值相加

a    NaN
b    NaN
c    8.0
d    8.0
e    NaN
dtype: float64

DataFrame

DateFrame 横轴：column axis=1 纵轴：index axis=0

pd.DataFrame(np.arange(10).reshape(2, 5))

	0	1	2	3	4
0	0	1	2	3	4
1	5	6	7	8	9

这个就是一个DataFrame

创建DataFrame的方法

通过字典创建

dt = {'one': pd.Series([1, 2, 3], ['a', 'b', 'c']),
     'two': pd.Series([9, 8, 7, 6], ['a', 'b', 'c', 'd'])}
d = pd.DataFrame(dt)
d

	one	two
a	1.0	9
b	2.0	8
c	3.0	7
d	NaN	6

pd.DataFrame(dt, index=['b', 'c', 'd'], columns=['two', 'three']) 

	two	three
b	8	NaN
c	7	NaN
d	6	NaN

dl = {'城市': ['北京', '上海', '广州', '深圳', '沈阳'],
     '环比': [101.5, 101.2, 101.3, 102.0, 100.1],
     '同比': [120.7, 127.3, 119.4, 140.9, 101.4],
     '定基': [121.4, 127.8, 120.0, 145.5, 101.6]}
d = pd.DataFrame(dl, index=['c1', 'c2', 'c3', 'c4', 'c5'])
d

	城市	环比	同比	定基
c1	北京	101.5	120.7	121.4
c2	上海	101.2	127.3	127.8
c3	广州	101.3	119.4	120.0
c4	深圳	102.0	140.9	145.5
c5	沈阳	100.1	101.4	101.6

d.index

Index(['c1', 'c2', 'c3', 'c4', 'c5'], dtype='object')

d.columns

Index(['城市', '环比', '同比', '定基'], dtype='object')

d.values

array([['北京', 101.5, 120.7, 121.4],
       ['上海', 101.2, 127.3, 127.8],
       ['广州', 101.3, 119.4, 120.0],
       ['深圳', 102.0, 140.9, 145.5],
       ['沈阳', 100.1, 101.4, 101.6]], dtype=object)

d['同比']

c1    120.7
c2    127.3
c3    119.4
c4    140.9
c5    101.4
Name: 同比, dtype: float64

d['同比']['c2']

127.3

d = d.reindex(index=['c5', 'c4', 'c3', 'c2', 'c1'])
d = d.reindex(columns=['城市', '同比', '环比', '定基'])
d

	城市	同比	环比	定基
c5	沈阳	101.4	100.1	101.6
c4	深圳	140.9	102.0	145.5
c3	广州	119.4	101.3	120.0
c2	上海	127.3	101.2	127.8
c1	北京	120.7	101.5	121.4

reindex函数改变索引顺序

drop函数删除指定的行或者列

d.drop('c5')

	城市	同比	环比	定基
c4	深圳	140.9	102.0	145.5
c3	广州	119.4	101.3	120.0
c2	上海	127.3	101.2	127.8
c1	北京	120.7	101.5	121.4

d.drop('同比', axis=1) # drop默认操作0轴上的元素

	城市	环比	定基
c5	沈阳	100.1	101.6
c4	深圳	102.0	145.5
c3	广州	101.3	120.0
c2	上海	101.2	127.8
c1	北京	101.5	121.4

DataFrame之间的运算

a = pd.DataFrame(np.arange(12).reshape(3, 4))
b = pd.DataFrame(np.arange(20).reshape(4, 5))
a + b

	0	1	2	3	4
0	0.0	2.0	4.0	6.0	NaN
1	9.0	11.0	13.0	15.0	NaN
2	18.0	20.0	22.0	24.0	NaN
3	NaN	NaN	NaN	NaN	NaN

实际上就是索引相同的值之间进行运算

b.add(a, fill_value=100) # 先用100填充a

	0	1	2	3	4
0	0.0	2.0	4.0	6.0	104.0
1	9.0	11.0	13.0	15.0	109.0
2	18.0	20.0	22.0	24.0	114.0
3	115.0	116.0	117.0	118.0	119.0

c = pd.Series(np.arange(4))
c - 10

0   -10
1    -9
2    -8
3    -7
dtype: int32

b - c # 横向运算

	0	1	2	3	4
0	0.0	0.0	0.0	0.0	NaN
1	5.0	5.0	5.0	5.0	NaN
2	10.0	10.0	10.0	10.0	NaN
3	15.0	15.0	15.0	15.0	NaN

b.sub(c, axis=0)

	0	1	2	3	4
0	0	1	2	3	4
1	4	5	6	7	8
2	8	9	10	11	12
3	12	13	14	15	16

布尔运算

a = pd.DataFrame(np.arange(12).reshape(3, 4))
b = pd.DataFrame(np.arange(12, 0, -1).reshape(3, 4))
a > b

	0	1	2	3
0	False	False	False	False
1	False	False	False	True
2	True	True	True	True