Python库 Pandas 基础内容学习笔记

最新推荐文章于 2024-02-16 18:16:44 发布

spln13

最新推荐文章于 2024-02-16 18:16:44 发布

阅读量228

点赞数 4

文章标签： python 机器学习

本文链接：https://blog.csdn.net/splnn/article/details/111938253

版权

Pandas是一个强大的分析结构化数据的工具集；它的使用基础是Numpy（提供高性能的矩阵运算）；用于数据挖掘和数据分析，同时也提供数据清洗功能。
如果还没学过numpy，可以点击这个链接偶~

https://blog.csdn.net/splnn/article/details/111596363

详细的内容可以访问pandas中文网https://www.pypandas.cn/

pandas的数据结构有两个Series和DataFrame

Pandas必拿下！！！

- Series
- DataFrame

Series

在这里插入图片描述
Series是带标签的一维数组，可存储整数、浮点数、字符串、Python 对象等类型的数据。轴标签统称为索引。

创建Series

import pandas as pd
import numpy as np

#创建Series
s = pd.Series(['a','b','c','d','e'])
print(s)

# 0    a
# 1    b
# 2    c
# 3    d
# 4    e

Seris中可以使用index设置索引列表
和字典不同，Series允许索引重复

import pandas as pd
import numpy as np

#创建Series
#与字典不同的是：Series允许索引重复
s = pd.Series(['a','b','c','d','e'],index=[100,200,100,400,500])
print(s)

# 100    a
# 200    b
# 100    c
# 400    d
# 500    e

用字典实例化

import pandas as pd
import numpy as np

#创建Series
d = {'b': 1, 'a': 0, 'c': 2}
s = pd.Series(d)
print(s);

# b    1
# a    0
# c    2

通过Series的values和index属性获取其数组表示形式和索引对象

import pandas as pd
import numpy as np

#创建Series
d = {'b': 1, 'a': 0, 'c': 2}
s = pd.Series(d)
print(s.values)
print(s.index)

# [1 0 2]
# Index(['b', 'a', 'c'], dtype='object')

通过索引的方式选取Series中的单个或一组值

import pandas as pd
import numpy as np

# 创建Series
s = pd.Series(['a', 'b', 'c', 'd', 'e'], index=[100, 200, 100, 400, 500])
#与普通numpy数组相比，可以通过索引的方式选取Series中的单个或一组值
print(s[100])
print(s[[400, 500]])


# 100    a
# 100    c
# dtype: object
# 400    d
# 500    e
# dtype: object

简单的运算

import pandas as pd
import numpy as np

s = pd.Series(np.array([1,2,3,4,5]), index=['a', 'b', 'c', 'd', 'e'])
print(s)

# a    1
# b    2
# c    3
# d    4
# e    5
# dtype: int32
#对应元素求和
print(s+s)

# a     2
# b     4
# c     6
# d     8
# e    10
# dtype: int32
#对应元素乘
print(s*3)

# a     3
# b     6
# c     9
# d    12
# e    15
# dtype: int32

Series中最重要的一个功能是：它会在算术运算中自动对齐不同索引的数据
Series 和多维数组的主要区别在于， Series 之间的操作会自动基于标签对齐数据。因此，不用顾及执行计算操作的 Series 是否有相同的标签。

import pandas as pd
import numpy as np

obj1 = pd.Series({"Ohio": 35000, "Oregon": 16000, "Texas": 71000, "Utah": 5000})
print(obj1)

# Ohio      35000
# Oregon    16000
# Texas     71000
# Utah       5000
# dtype: int64

obj2 = pd.Series({"California": np.nan, "Ohio": 35000, "Oregon": 16000, "Texas": 71000})
print(obj2)

# California        NaN
# Ohio          35000.0
# Oregon        16000.0
# Texas         71000.0
# dtype: float64

print(obj1 + obj2)

# California         NaN
# Ohio           70000.0
# Oregon         32000.0
# Texas         142000.0
# Utah               NaN
# dtype: float64

索引，切片

import pandas as pd
import numpy as np

s = pd.Series(np.array([1,2,3,4,5]), index=['a', 'b', 'c', 'd', 'e'])

print(s[1:])

# b    2
# c    3
# d    4
# e    5
# dtype: int32

print(s[:-1])

# a    1
# b    2
# c    3
# d    4
# dtype: int32

print(s[1:] + s[:-1])

# a    NaN
# b    4.0
# c    6.0
# d    8.0
# e    NaN
# dtype: float64

DataFrame

在这里插入图片描述
DataFrame 是由多种类型的列构成的二维标签数据结构，类似于 Excel 、SQL 表，或 Series 对象构成的字典。DataFrame 是最常用的 Pandas 对象，与 Series 一样，DataFrame 支持多种类型的输入数据：
一维 ndarray、列表、字典、Series 字典
二维 numpy.ndarray

import pandas as pd
import numpy as np

data = {'state': ['Ohio', 'Ohio', 'Ohio', 'Nevada', 'Nevada'], 'year': [2000, 2001, 2002, 2001, 2002], 'pop': [1.5, 1.7, 3.6, 2.4, 2.9]}
frame = pd.DataFrame(data)
print(frame)

#     state  year  pop
# 0    Ohio  2000  1.5
# 1    Ohio  2001  1.7
# 2    Ohio  2002  3.6
# 3  Nevada  2001  2.4
# 4  Nevada  2002  2.9

指定排列顺序

import pandas as pd
import numpy as np

data = {'state': ['Ohio', 'Ohio', 'Ohio', 'Nevada', 'Nevada'], 'year': [2000, 2001, 2002, 2001, 2002], 'pop': [1.5, 1.7, 3.6, 2.4, 2.9]}
#如果指定了列顺序，则DataFrame的列就会按照指定顺序进行排列
frame1 = pd.DataFrame(data, columns=['year', 'state', 'pop'])
print(frame1)

#    year   state  pop
# 0  2000    Ohio  1.5
# 1  2001    Ohio  1.7
# 2  2002    Ohio  3.6
# 3  2001  Nevada  2.4
# 4  2002  Nevada  2.9

如果传入的列在数据中找不到，就会产生NaN值

import pandas as pd
import numpy as np

data = {'state': ['Ohio', 'Ohio', 'Ohio', 'Nevada', 'Nevada'], 'year': [2000, 2001, 2002, 2001, 2002], 'pop': [1.5, 1.7, 3.6, 2.4, 2.9]}
#如果指定了列顺序，则DataFrame的列就会按照指定顺序进行排列
frame1 = pd.DataFrame(data, columns=['year', 'state', 'pop'])
print(frame1)

#    year   state  pop
# 0  2000    Ohio  1.5
# 1  2001    Ohio  1.7
# 2  2002    Ohio  3.6
# 3  2001  Nevada  2.4
# 4  2002  Nevada  2.9

frame2 = pd.DataFrame(data, columns=['year', 'state', 'pop', 'debt'], index=['one', 'two', 'three', 'four', 'five'])
print(frame2)

#        year   state  pop debt
# one    2000    Ohio  1.5  NaN
# two    2001    Ohio  1.7  NaN
# three  2002    Ohio  3.6  NaN
# four   2001  Nevada  2.4  NaN
# five   2002  Nevada  2.9  NaN

用Series或者字典生成DataFrame

import pandas as pd
import numpy as np

d = {'one': pd.Series([1., 2., 3.], index=['a', 'b', 'c']),
     'two': pd.Series([1., 2., 3., 4.], index=['a', 'b', 'c', 'd'])}
print(pd.DataFrame(d))

#    one  two
# a  1.0  1.0
# b  2.0  2.0
# c  3.0  3.0
# d  NaN  4.0

通过类似字典标记的方式或属性的方式，可以将DataFrame的列获取为一个Series

import pandas as pd
import numpy as np

data = {'state': ['Ohio', 'Ohio', 'Ohio', 'Nevada', 'Nevada'], 'year': [2000, 2001, 2002, 2001, 2002], 'pop': [1.5, 1.7, 3.6, 2.4, 2.9]}
#如果指定了列顺序，则DataFrame的列就会按照指定顺序进行排列
frame1 = pd.DataFrame(data, columns=['year', 'state', 'pop'])
print(frame1)

#    year   state  pop
# 0  2000    Ohio  1.5
# 1  2001    Ohio  1.7
# 2  2002    Ohio  3.6
# 3  2001  Nevada  2.4
# 4  2002  Nevada  2.9

print(frame1['state'])

# 0      Ohio
# 1      Ohio
# 2      Ohio
# 3    Nevada
# 4    Nevada

列可以通过赋值的方式进行修改

import pandas as pd
import numpy as np

data = {'state': ['Ohio', 'Ohio', 'Ohio', 'Nevada', 'Nevada'], 'year': [
    2000, 2001, 2002, 2001, 2002], 'pop': [1.5, 1.7, 3.6, 2.4, 2.9]}
# 如果指定了列顺序，则DataFrame的列就会按照指定顺序进行排列
frame1 = pd.DataFrame(data, columns=['year', 'state', 'pop'])
print(frame1)

#    year   state  pop
# 0  2000    Ohio  1.5
# 1  2001    Ohio  1.7
# 2  2002    Ohio  3.6
# 3  2001  Nevada  2.4
# 4  2002  Nevada  2.9
frame1['pop'] = 5.
print(frame1)

#    year   state  pop
# 0  2000    Ohio  5.0
# 1  2001    Ohio  5.0
# 2  2002    Ohio  5.0
# 3  2001  Nevada  5.0
# 4  2002  Nevada  5.0

import pandas as pd
import numpy as np

data = {'state': ['Ohio', 'Ohio', 'Ohio', 'Nevada', 'Nevada'], 'year': [
    2000, 2001, 2002, 2001, 2002], 'pop': [1.5, 1.7, 3.6, 2.4, 2.9]}
# 如果指定了列顺序，则DataFrame的列就会按照指定顺序进行排列
frame1 = pd.DataFrame(data, columns=['year', 'state', 'pop'])
print(frame1)

#    year   state  pop
# 0  2000    Ohio  1.5
# 1  2001    Ohio  1.7
# 2  2002    Ohio  3.6
# 3  2001  Nevada  2.4
# 4  2002  Nevada  2.9
frame1['new'] = frame1['pop'] + 10
print(frame1)

#    year   state  pop   new
# 0  2000    Ohio  1.5  11.5
# 1  2001    Ohio  1.7  11.7
# 2  2002    Ohio  3.6  13.6
# 3  2001  Nevada  2.4  12.4
# 4  2002  Nevada  2.9  12.9

import pandas as pd
import numpy as np

data = {'state': ['Ohio', 'Ohio', 'Ohio', 'Nevada', 'Nevada'], 'year': [
    2000, 2001, 2002, 2001, 2002], 'pop': [1.5, 1.7, 3.6, 2.4, 2.9]}
# 如果指定了列顺序，则DataFrame的列就会按照指定顺序进行排列
frame1 = pd.DataFrame(data, columns=['year', 'state', 'pop'])
print(frame1)

#    year   state  pop
# 0  2000    Ohio  1.5
# 1  2001    Ohio  1.7
# 2  2002    Ohio  3.6
# 3  2001  Nevada  2.4
# 4  2002  Nevada  2.9
frame1['new'] = frame1['pop'] + 10
frame1['newnew'] = np.arange(5.)
print(frame1)

#    year   state  pop   new  newnew
# 0  2000    Ohio  1.5  11.5     0.0
# 1  2001    Ohio  1.7  11.7     1.0
# 2  2002    Ohio  3.6  13.6     2.0
# 3  2001  Nevada  2.4  12.4     3.0
# 4  2002  Nevada  2.9  12.9     4.0

Pandas基础内容我学到这边，课程是在aistudio~
更多内容还是要去Pandas中文网：https://www.pypandas.cn/

本文如果有错误，或者对内容存在问题，欢迎在评论区交流~

spln13

关注

4
点赞
踩
2

收藏

觉得还不错? 一键收藏
2
评论
Python库 Pandas 基础内容学习笔记

Pandas是一个强大的分析结构化数据的工具集；它的使用基础是Numpy（提供高性能的矩阵运算）；用于数据挖掘和数据分析，同时也提供数据清洗功能。如果还没学过numpy，可以点击这个链接偶Pandas必拿下！！！SeriesDataFrameSeriesSeries是带标签的一维数组，可存储整数、浮点数、字符串、Python 对象等类型的数据。轴标签统称为索引。创建Seriesimport pandas as pdimport numpy as np#创建Seriess = pd.Ser
复制链接

扫一扫