python库之pandas基本操作

Pandas

本文介绍pandas基本操作和数据结构

数据结构

• DataFrame ：一种带标签的二维对象
• Series：不同类型元素组成的一维数组

DataFrame基本操作

1 读取文本操作

%python
import numpy as np
import pandas as pd
pd.read_csv(data.csv) #导入CSV数据
pd.read_table(1.txt)#从限定分隔符的文本中导入数据
pd.read_excel(data.xls)#从excle中导入数据
pd.read_json(json_string)#从json格式的字符串导入数据
pd.read_html(url)#解析url，字符串，html文件抽取其中的tables表格
pd.DataFrame(dict)#从字典对象导入数据，Key是列名，Value是数据

2 导出文本操作

%python
import numpy as np
import pandas as pd
pd.to_csv(1.csv) #导出文件到CSV文件中
pd.to_excel(2.csv) #导出文件到excel中
pd.to_sql(tablename,connection_object) #导出文件到SQL表
pd.to_json(filename)#以json格式导出数据到文本文件中

3 创建测试

%python
#定义一个索引列,以20180101为基点产生时间索引序列
dates = pd.date_range('20180101',periods=10)
# DataFrame生成函数，行索引，列自定义
data = pd.DataFrame(np.random.randn(10,5),index=dates,columns=list('ABCDE'))
print(data) #输出整个表
print(data.values) #输出表的值
print(data.shape)#输出表的形状

4 DataFrame常用函数

%python
#打印指定A列
print(df.A)
#输出前n行数据
print(df.head(n))
#输出后n行数据
print(df.tail(n)) 
#输出详细信息
print(data.describe())
# 按列索引排序
print(data.sort_index(axis=1,ascending=Fales))
# 按行索引排序
print(data.sort_index(axis=0,ascending=False))
# 按给定值排序
print(data.sort_values(by='A')))
#输出第index行，第index2行
print (data.loc['index1':'index2'])
#输出B，C两行。
print(data.loc[:,['B','C']])

案例引入

针对我们班期末成绩的操作

• 任务1：实现排序
• 任务2：实现合并
• 任务3：求平均值
• 任务4：数据展现
  注：为了考虑表格展现的客观性，删除了有些不需要的成绩列
  1 数据导入

%python
# -*- coding=utf-8 -*-
import numpy as np
import pandas as pd
df1 = pd.read_excel("16软工.xls")
#给读取的df1 设置列名
df1.columns = ["序号","学号","姓名","A","B","C","E","F","G","H","I","J","K","L","O","P","Q","R","S","T","X","学分绩点"]
#删除不需要的列
df1.drop(["序号","学号","P","Q","R","G","A","B","F","C","E","H"],axis=1,inplace=True)
#按学分绩点排序
df1 = df1.sort_values("学分绩点",ascending=False)
#删除空白列
df1 = df1.dropna()
#设置索引列
df1.index=(range(1,len(df1)+1))
#打印
print(df1)

内容如下：

2 两表合并求平均

%python
df = pd.read_excel('16软工(1).xls')
#设置列名
df.columns = ["序号","学号","姓名","A","B","C","E","F","G","H","I","J","K","L","O","P","Q","R","S","T","X","学分绩点"]
#删除多余列名
df.drop(["序号","学号","P","Q","R","G","A","B","F","C","E","H"],axis=1,inplace=True)
df.index = (range(1,len(df)+1))
#删除空白行
df = df.dropna()
df.index = (range(1,len(df)+1))
# 按姓名合并两表
df = pd.merge(df,df1,on="姓名")
#筛选有价值的信息 （找有关学分绩点的列）
df = df[['姓名','T_x','T_y']]
#添加一列平均值
df['Avg'] = df.mean(axis=1)
# 按平均值降序排序
df = df.sort_values('Avg',ascending=False)
#设置行索引，从1开始
df.index=(range(1,len(df)+1))
print(df)

3 画出分数的折线图 排序后

%python
# 删除姓名那行
df1 = df.drop(['姓名'],axis=1,inplace=True)
# 展现的数值，列名，索引
df1 = 
pd.DataFrame(df.values,columns=['T_x','T_y','Avg'],index=np.arange(1,58))
#展现
df1.plot()

4 画折线图，未排序

总结

本文主要将pandas的基本应用，涉及到pandas的read_excel()函数，dropna()函数，pd.merge(表一，表二，按**合并)函数，sort_value(值,ascending=False) 按值排序，mean()求平均值，画图函数plot。

———–写在后面：本人小白，还在学习中，有错误的地方，望大佬提出。