目录
2.1.1 可以通过传递一个list对象来创建一个Series,pandas 会默认创建整型索引。
2.1.2 通过传递一个numpy array、时间索引、以及列标签来创建一个DataFrame:
2.1.3 创建一个能被转换成类似序列结构的字典对象来创建一个DataFrame:
2.2.2 显示索引、列和底层(数据框的内容)的numpy数据:
一、简介
Pandas 是一个基于Python的第三方数据分析库,与numpy和matplotlib共同构成了pythoin数据分析的基础工具包。它提供了易于使用的数据结构和数据分析工具,特别适用于处理结构化数据,如表格型数据。Pandas主要引入了两种新的数据结构:DataFrame和Series。Pandas 提供了大量能使我们快速便捷地处理数据的函数和方法。
二、快速入门
习惯上,按如下格式引入所需要的包:
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
2.1 创建对象
2.1.1 可以通过传递一个list对象来创建一个Series,pandas 会默认创建整型索引。
2.1.2 通过传递一个numpy array、时间索引、以及列标签来创建一个DataFrame:
如上,创建一个6*4的numpy array ,列标签list('ABCD'),和时间索引(用pd.date_range()创建)。
2.1.3 创建一个能被转换成类似序列结构的字典对象来创建一个DataFrame:
如图 dataframe的索引由字典对象‘C’指定。
2.1.4 查看不同列的数据类型
2.2 查看数据
2.2.1 查看Data 中头部和尾部的行:
df.head()和df.tail()可以指定显示的数量。
2.2.2 显示索引、列和底层(数据框的内容)的numpy数据:
2.2.3 describe()对于数据的快速汇总统计
2.2.4 对数据进行转置 df.T
转置后数据的列和INDEX互换。
2.2.5 按轴进行排序
axis=0 是按照行方向,axis=1 是按照列方向,注意,排序的是列的名称值,‘D’>'C'>...
2.2.6 按值进行排序