python数据分析笔记-2Pandas基础

二、Pandas基础

额外说明：
1.Python title() 方法返回"标题化"的字符串,就是说所有单词都是以大写开始，其余字母均为小写(见 istitle())。
2.Python str.format()函数，它增强了字符串格式化的功能。基本语法是通过 {} 和 : 来代替以前的 % 。
format 函数可以接受不限个参数，位置可以不按顺序。
3.Python 字典(Dictionary) keys() 函数以列表返回一个字典所有的键。

series常用属性和函数汇总

import pandas as pd

1.Pandas库

• Pandas主要有两种数据结构：Series和DataFrame
• Series:是一维标记的数组，能够保存任何数据类型（整数，字符串，浮点数，Python对象等）。轴标签统称为索引。基本操作类似ndarray和字典，并且是大多数NumPy函数的有效参数。但是，切片等操作也会对索引进行切片。
• 引入：
  from Pandas import Series, DataFrame

2.Series操作

1）Series创建

创建Series

Series(data, index=index, name=name)

Series创建方式：

• 使用python列表创建
• 使用标量值创建
• 使用字典类型创建：按照index指定键的顺序作为索引，如果键对应的值不存在，显示NaN
• 使用ndarray创建

pd.Series(np.arange(5))

np.arange

函数返回一个有终点和起点的固定步长的排列，如[1,2,3,4,5]，起点是1，终点是5，步长为1。
参数个数情况： np.arange()函数分为一个参数，两个参数，三个参数三种情况
1）一个参数时，参数值为终点，起点取默认值0，步长取默认值1。
2）两个参数时，第一个参数为起点，第二个参数为终点，步长取默认值1。
3）三个参数时，第一个参数为起点，第二个参数为终点，第三个参数为步长。其中步长支持小数

2）Series访问

参考
参考文献2

• 1） Series对象的index和values属性：
  s.index：获得索引列表
  s.values：获得数据列表
• 2）Series对象本身及其索引的name属性
• 3）访问Series对象的数据：
  位置索引访问
  标签索引访问
  切片索引访问
  布尔型访问（条件过滤访问）

3）Series删除

• drop函数：返回删除的数据，但源数据不改变
• pop函数：返回删除的数据，源数据改变
  pop位置索引删除和pop其index删除写法不一样

import pandas as pd

ser1 = pd.Series([10,20,30,40,50], index=['a', 'b', 'c', 'd','e'])
ser2 = pd.Series(range(5))
x1 = ser1.drop('c')
print('drop删除后的结果x_1为:\n', x1)
print('drop删除后源数据:\n', ser1)
print('\n')
x2 = ser1.drop(['a','e'])
print('drop删除后的结果x_2为:\n', x2)
print('drop删除后源数据:\n', ser1)
print('\n')
x3 = ser1.pop('c')
print('pop删除的x_3为:\n', x3)
print('pop删除后源数据:\n', ser1)
print('\n')
x4 = ser2.pop(3)
print('pop删除的x_4为:\n', x4)
print('pop删除后源数据:\n', ser2)

drop删除后的结果x_1为:
 a    10
b    20
d    40
e    50
dtype: int64
drop删除后源数据:
 a    10
b    20
c    30
d    40
e    50
dtype: int64


drop删除后的结果x_2为:
 b    20
c    30
d    40
dtype: int64
drop删除后源数据:
 a    10
b    20
c    30
d    40
e    50
dtype: int64


pop删除的x_3为:
 30
pop删除后源数据:
 a    10
b    20
d    40
e    50
dtype: int64


pop删除的x_4为:
 3
pop删除后源数据:
 0    0
1    1
2    2
4    4
dtype: int64

Process finished with exit code 0

4）Series修改

• 通过索引修改数据

import pandas as pd

ser3 = pd.Series(range(10,60,10), index= list('abcde'))
print('ser3:\n',ser3)
ser3[0] = 100
ser3['c'] = 300
print('ser3:\n',ser3)

ser3:
 a    10
b    20
c    30
d    40
e    50
dtype: int64
ser3:
 a    100
b     20
c    300
d     40
e     50
dtype: int64

Process finished with exit code 0

5）Series添加

• 通过索引访问添加
• append方法末尾添加，返回副本，源数据不变

2.DataFrame操作

DataFrame基本属性

查询访问DataFrame中的数据

• 访问单列数据
• 访问多列数据
• 访问多行数据
  

筛选DataFrame中的数据（重要，需熟练掌握）

• 按照条件筛选数据：and（&与）、or（|或）、not（~非）、xor（^异或）
• 使用loc切片方法（更多使用该方法）：
  • DataFrame.loc [行索引名称或条件，列索引名称]
  • 行索引为区间时，前后都闭合
• 使用iloc切片方法
  • DataFrame.iloc[行索引位置，列索引位置]
  • 行索引为区间时，前闭后开

注意：loc 更加灵活多变，代码可读性更高，iloc 代码简洁，但可读性不高，建议多使用 loc 方法

添加DataFrame中的数据

• 添加一列
  • 新建一个列索引，并赋固定值或非固定值，添加到最后一列
• 插入一列
  • df.insert(int = 位置, column = 列名, value = 插入的值)
  • 插入的值可以是固定值、列表、Series
• 添加一行
  • loc[rowIndex]方法添加行到末尾，直接修改源数据
  • append方法添加行到末尾，返回副本，源数据不变

删除DataFrame中的数据

• 删除列
  • df.drop(labels=列名,axis=1,inplace=True)
  • axis=1 表示列，inplace=True表示改变源数据
• 删除行
  • df.drop(labels=索引,axis=0,inplace=True)
  • axis=0 表示行，inplace=True表示改变源数据
• 修改DataFrame中的数据
  • 使用 loc方法 获取数据并赋值修改

3.pandas汇总统计和计算

基于NumPy的统计函数

pandas库是基于NumPy，可以用NumPy提供的函数对数据进行描述性统计。

基于pandas描述性统计方法

类别型数据统计（重要）

• 描述类别特征的分布状况，可以使用频数统计表。
  • pandas库中实现频数统计的方法为value_counts。
• describe方法能支持对category类型的数据进行描述性统计
  • 返回四个统计量，分别为列非空元素的数目、类别数目、数目最多的类别、数目最多类别的数目
  • pandas提供了categorites类，可以使用astype方法将目标特征的数据类型转换为category类别。