利用Python进行数据分析（5）-pandas库

目录

0. 回顾：

1. Series对象

1.1 声明Series对象

1.2 选择内部元素

1.3 为元素赋值

1.4 用numpy数组或其他series对象定义新series对象

1.5 筛选对象

1.6 series对象运算和数学函数

1.7 series对象的组成元素

1.8 NaN

1.9 series用作字典

0. 回顾：

        之前我们学习了numpy库，这一节我们将学习数据分析的核心库-pandas库。

1. Series对象

        pandas中最主要有两种格式，一种是Series数据结构，另一种是DataFrame数据结构。Series数据结构跟数组相似，它的内部结构很简单，由两个相互关联的数组组成。其中，主数用来存放数据，主数的每个元素都有一个与之相关的标签，这些标签存放在index数组中。

1.1 声明Series对象

        利用series()函数来构造，将数组进行输入。

        示例1：

import numpy as np
import pandas as pd

a = np.arange(3, 7)
s = pd.Series(a)
print(s)

        运行结果为：

0    3
1    4
2    5
3    6
dtype: int32

        可以看到，此时的s就是一个series结构，其中最左边一列为标签，右边为对应的元素，默认是从0开始。当然，也可以使用带有意义的标签。

        示例2：

import pandas as pd

s = pd.Series([3, 4, 6], index=['a', 'b', 'c'])
print(s)

        运行结果为：

a    3
b    4
c    6
dtype: int64

        想要查看这两个数组，则可以调用相关的属性即可。

        示例3：

import pandas as pd

s = pd.Series([3, 4, 6], index=['a', 'b', 'c'])
print(s)
print(s.index)
print(s.values)

        运行结果为：

a    3
b    4
c    6
dtype: int64
Index(['a', 'b', 'c'], dtype='object')
[3 4 6]

1.2 选择内部元素

        获取其内部的元素，只需当成普通的数组引用或者指定相应的键即可。

        示例4：

import pandas as pd

s = pd.Series([3, 4, 6], index=['a', 'b', 'c'])
print(s)
print(s[0])
print(s.iloc[0:2])
print(s[['b', 'c']])

        运行结果为：

a    3
b    4
c    6
dtype: int64
3
a    3
b    4
dtype: int64
b    4
c    6
dtype: int64

        值得注意的是，现在可以直接用s[0]来进行索引，但在未来的版本，直接跟[ ]会被识别成标签类，故要使用索引，最好使用iloc来表示。

1.3 为元素赋值

        赋值也是不言而喻了。

        示例5：

import pandas as pd

s = pd.Series([3, 4, 6], index=['a', 'b', 'c'])
print(s)
s.iloc[1:2] = 5
s['c'] = 7
print(s)

        运行结果为：

a    3
b    4
c    6
dtype: int64
a    3
b    5
c    7
dtype: int64

1.4 用numpy数组或其他series对象定义新series对象

        用这种方法定义的是原数组的一个视图，并不是其副本，改变原来的数组新的也会改变。

        示例6：

import numpy as np
import pandas as pd

s = np.arange(3, 5)
s1 = pd.Series(s)
s2 = pd.Series(s1)
print(s1)
print(s2)
s[0] = 4
print(s1)
print(s2)

        运行结果为：

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

        可以看到，改变了最初的数组，s1和s2都会发生改变。

1.5 筛选对象

        可以根据调剂进行筛选对象。

        示例7：

import numpy as np
import pandas as pd

s = np.arange(3, 7)
s1 = pd.Series(s)
print(s1)
print(s1[s1 > 5])

        运行结果为：

0    3
1    4
2    5
3    6
dtype: int32
3    6
dtype: int32

1.6 series对象运算和数学函数

        可以直接利用Python中数算术符进行运算，也可以使用numpy中的各种函数。

        示例8：

import numpy as np
import pandas as pd

s = np.arange(3, 7)
s1 = pd.Series(s)
print(s1 / 2)
print(np.log(s1))

        运行结果为：

0    1.5
1    2.0
2    2.5
3    3.0
dtype: float64
0    1.098612
1    1.386294
2    1.609438
3    1.791759
dtype: float64

1.7 series对象的组成元素

        当series对象中有重复元素的时候，可以用unique()函数去除重复的元素。

        示例9：

import numpy as np
import pandas as pd

s = np.array([1, 2, 3, 2, 1])
print(s)
print(pd.unique(s))

        运行结果为：

[1 2 3 2 1]
[1 2 3]

        利用value_counts()函数来统计元素出现的次数。

        示例10：

import pandas as pd

s = pd.Series([1, 2, 3, 2, 1])
print(s)
print(s.value_counts())

        运行结果为：

0    1
1    2
2    3
3    2
4    1
dtype: int64
1    2
2    2
3    1
Name: count, dtype: int64

        利用isin()来判断所属元素是否属于其中。

        示例11：

import pandas as pd

s = pd.Series([1, 2, 3, 2, 1])
print(s)
print(s.isin([1, 2]))
print(s[s.isin([1, 2])])

        运行结果为：

0    1
1    2
2    3
3    2
4    1
dtype: int64
0     True
1     True
2    False
3     True
4     True
dtype: bool
0    1
1    2
3    2
4    1
dtype: int64

1.8 NaN

        当出现NaN格式的元素时，即表示这个元素出现问题，如缺失或者计算错误，但允许出现这个类型的元素。

        示例12：

import numpy as np
import pandas as pd

s = pd.Series([1, 2, np.NAN, 2, 1])
print(s)

        运行结果为：

0    1.0
1    2.0
2    NaN
3    2.0
4    1.0
dtype: float64

        可以利用isnull()函数和notnull()函数来筛选是否为NaN。

        示例13：

import numpy as np
import pandas as pd

s = pd.Series([1, 2, np.NAN, 2, 1])
print(s)
print(s.isnull())
print(s.notnull())

        运行结果为：

0    1.0
1    2.0
2    NaN
3    2.0
4    1.0
dtype: float64
0    False
1    False
2     True
3    False
4    False
dtype: bool
0     True
1     True
2    False
3     True
4     True
dtype: bool

1.9 series用作字典

        可以把series对象当做字典来用。

        示例14：

import pandas as pd

mydict = {'red': 2, 'blue': 4, 'yellow': 6}
myseries1 = pd.Series(mydict)
print(myseries1)
color = ['red', 'blue', 'yellow', 'orange']
myseries2 = pd.Series(mydict, index=color)
print(myseries2)

        运行结果为：

red       2
blue      4
yellow    6
dtype: int64
red       2.0
blue      4.0
yellow    6.0
orange    NaN
dtype: float64

        可以看到，当标签出现多的时，会使其值为NaN。

1.10 series对象之间的运算

        两个具有不同标签的对象也可以进行运算，其只对具有相同标签的进行运算。

        示例15：

import pandas as pd

mydict1 = {'red': 2, 'blue': 4, 'yellow': 6}
myseries1 = pd.Series(mydict1)
mydict2 = {'red': 2, 'blue': 4, 'orange': 6}
myseries2 = pd.Series(mydict2)
print(myseries1 + myseries2)

        运行结果为：

blue      8.0
orange    NaN
red       4.0
yellow    NaN
dtype: float64