利用Python数据分析笔记（五、pandas入门）

最新推荐文章于 2023-06-09 09:51:42 发布
最新推荐文章于 2023-06-09 09:51:42 发布
阅读量213 收藏 1
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/striving_moa/article/details/103405664
版权
这篇博客介绍了Python数据分析库pandas的基础知识，包括Series和DataFrame的创建、索引对象、算术运算、数据对齐、函数应用、排序与排名、汇总统计以及相关性分析。内容涵盖从数据选取到数据清洗等多个方面。
摘要由CSDN通过智能技术生成

利用Python进行数据分析（五、pandas入门）

import pandas as pd

Series

创建Series：data = pd.Series([4,7,-5,3])
创建自定义索引的Series：data = pd.Series([4,7,-5,3], index=['d','b','a','c'])
查看Series的内容：data.values
查看Series的索引：data.index

可以通过字典来创建Series：

sdata = {
   'Ohio': 35000, 'Texas':71000,'Oregon':16000}
data = pd.Series(sdata)

如果传入一个字典，可以传入排好序的字典的键以改变顺序：


                

                
                
        

        

    

  


        

            

                    
                      最低0.47元/天 解锁文章
                        
                    
            

        

    

      

        

            

              
                
                  striving_moa
                
              
            

            

                关注
              
            

        

        

          
    
            
  • 
              
                
                
                
                
                      0
                
              
              
    点赞
    
            
    • 
            
  • 
              
                
                
                
              
              
    踩
    
            
    • 
            
  • 
              
                
                
                
                
                    1
                
              
              
    
                
    
                  
                    收藏
                  
                
    
              
    
              
    
                
    
                  觉得还不错?
                  
                    一键收藏
                  
                 
                
    
              
    
            
    • 
          
  • 
            
    
              
              
            
    
              
              
              
                    0
              
            
            
    评论
    
          
    • 
          
  • 
          
    • 
          
  • 
            
              
            
              
    
            
              
                
            
    
          
    • 
        

      

      










                



	

		

			

				
					
03-pandas快速进阶-索引操作-算术运算

				
			

			

				

					weixin_48622025的博客
				

				

					08-16
					
					547
					
				

			

		

		

			
				
目录3.1索引索引的删除索引的选取与过滤Series 支持bool 序列读取3.2 算数运算与数据对齐Series算术运算DataFrame算术运算df1.add(df2,fill_value=xxx)其他几个运算符的函数DataFrame 与 Series 运算
import pandas as pd
import numpy as np
from pandas import Series,DataFrame

3.1索引
s1=Series(range(1,5),index=list('ABCD'))


			
		

	



                

              
                



	

		

			

				
					
利用Python数据分析：pandas入门（四)

				
			

			

				

					kkbb8811的博客
				

				

					02-20
					
					441
					
				

			

		

		

			
				
s1 = Series([7.3,-2.5,3.4,1.5],index=['a','c','d','e'])
s2 = Series([-2.1,3.6,-1.5,4,3.1],index=['a','c','e','f','g'])
s1
s2
s1+s2 # 索引相同的会相加自动对齐，不重叠的索引引入为NA值
df1 = DataFrame(np.arange(9.).reshape((3,

			
		

	



                


  
              

                


	

		

			

				
					
【分析工具】Python之Pandas01

				
			

			

				

					gecko
				

				

					02-23
					
					763
					
				

			

		

		

			
				
2.1快速入门

pandas是Python的核心数据分析库，强大，灵活，可以支持任何语言的开源数据包。简单直观的处理关系型和标记型数据。pandas速度很快，很多底层的算法都是用Cython优化过的。pandas处理以下类型的数据：

与 SQL 或 Excel 表类似的，含异构列的表格数据;
	有序和无序（非固定频率）的时间序列数据;
	带行列标签的矩阵数据，包括同构或异构型数据;
	任意其它...

			
		

	





	

		

			

				
					
走上数据分析之路【三】——Pandas常用功能及函数【二】

				
			

			

				

					syh的技术记录
				

				

					09-28
					
					268
					
				

			

		

		

			
				
前言
接上次Pandas常用函数，一方面为了记录，另一方面方便以后查阅复习。Pandas应该会写好几个系列。
正文
【1】DataFrame的加减乘除：
可以直接：

df1 + df2; df1 - df2; df1 * df2; df1 / df2;

但我觉得用df1.add(df2)更好，因为可以通过fill_value参数将nan值设置为特定值。
例如：
a = DataFrame(np.array([[np.nan, 2, 3],[4, 5, 6]]))
b = DataFrame(np.arr

			
		

	



		

			
		



	

		

			

				
					
python中forward属性_GitHub - soarskyforward/Python_DataAnalysis: python数据分析

				
			

			

				

					weixin_35489311的博客
				

				

					03-01
					
					539
					
				

			

		

		

			
				
Python_DataAnalysispython数据分析参考书目《利用Python进行数据分析》第一章 准备工作重要的python数据分析库NumpypandasmatplotlibIPython和JupyterSciPyseabornstatsmodels安装或升级Python包pip install package_namepip install --upgrade package_name...

			
		

	





	

		

			

				
					
利用Python进行数据分析 chapter5 pandas入门代码笔记


				
			

			

				

					09-15
				

			

		

		

			
				
利用Python进行数据分析 chapter5 pandas入门代码笔记

			
		

	





	

		

			

				
					
Python数据分析之Pandas入门(附课程笔记）

					
最新发布

				
			

			

				

					weixin_65025184的博客
				

				

					06-09
					
					226
					
				

			

		

		

			
				
讲讲Pandas，由于Pandas的内容也比较多，本文主要还是讲解一些入门的基本知识。本文主要是介绍了pandas的一些入门知识，都是对pandas数据结构的一些操作，后面讲解了使用pandas文件中数据的一些操作（基本上能满足我们的日常工作，如需读取其他文件格式，可以自行google），本文是pandas的一个基础入门总结，后续会整理Pandas的一些进阶的知识。

			
		

	





	

		

			

				
					
python学习之pandas

				
			

			

				

					Jasminexjf的博客
				

				

					06-27
					
					281
					
				

			

		

		

			
				
本部分是根据书籍“利用python进行数据分析”的笔记本部分学习pandas入门本部分所有的后续学习都需要导入以下库from pandas import Series,DataFrame
import numpy as np
import pandas as pd1. pandas的数据结构介绍   pandas主要有两个数据结构：Series和DataFrameSeries是一种类似于一维数组的...

			
		

	





	

		

			

				
					
python之padnas学习(四)

				
			

			

				

					J-X的博客
				

				

					07-27
					
					984
					
				

			

		

		

			
				
A.整数索引：

用整数索引在pandas中 与python的list与truple有一点不同，如果在Series的默认row Index为数字的话，用整数索引会出错，那么我们就应该将index更改掉，改成其它。


1.
import numpy as np
import pandas as pd

obj=pd.Series(np.arange(3.))
print(obj)



print...

			
		

	





	

		

			

				
					
Pandas对两个集合进行数据加法运算并合并

				
			

			

				

					Dexter's Laboratory
				

				

					04-13
					
					2万+
					
				

			

		

		

			
				
大致背景介绍:两个dataframe对象df1和df2,这两个对象行与列均存在交集,现在想将df1+df2得到df3,期望包含df1和df2中所有行与列,在合并过程中如果行列相同的位置,两个数值相加存放到df3中,擦了~这样文字描述起来好绕脑的感觉,还是画个图大概解释一下吧:期望df3的结果:代码上起来:import pandas as pd
df1=pd.read_csv("D:/snp/tes...

			
		

	





	

		

			

				
					
python进阶-12.pandas-索引操作-算术运算

				
			

			

				

					weixin_47440383的博客
				

				

					08-15
					
					472
					
				

			

		

		

			
				
import numpy as np
import pandas as pd
from pandas import Series,DataFrame
文章目录3.1索引索引的删除索引的选取与过滤Series 支持 bool 序列读取3.2 算数运算与数据对齐DataFrame 算术运算df1.add(df2,fill_value=xxx)其他几个运算符的函数DataFrame 与 Series 运算
3.1索引
s1=Series(range(1,5),index=list('ABCD'))
s1

A  

			
		

	





	

		

			

				
					
pandas介绍——进阶操作（11）

				
			

			

				

					王伟健的博客
				

				

					07-11
					
					658
					
				

			

		

		

			
				
这次部分的内容比较零碎，代码没有什么逻辑性，大部分都是为了展示pandas的各种技能操作首先我们来新建一个# 建立一个新的Series，并将index改成日期形式
# 利用pd.date_range()函数可以设置index的日期，起始日期以及日期长度
s=pd.Series([1,2,3,4,5,6],index=pd.date_range('20170102',periods=6))
s输出：...

			
		

	





	

		

			

				
					
读书笔记2：利用Python进行数据分…

				
			

			

				

					houjing1990的博客
				

				

					04-17
					
					970
					
				

			

		

		

			
				
pandas两种主要数据结构：Series和DataFrame。大小写敏感
Series：索引index和数据values。
可以看成一个定长的有序字典。
通过字典创建Series：df=Series（s1）s1为字典。
传入字典，结果Series中的索引就是原字典的键（有序排列）
例如s=［‘A’,‘B’］
df1=Series(df,index=s)
NaN：非数字，not a number，

			
		

	





	

		

			

				
					
利用python进行数据分析笔记

					
热门推荐

				
			

			

				

					振裕
				

				

					02-24
					
					3万+
					
				

			

		

		

			
				
pandas基础



流处理

流处理，听起来很高大上啊，其实就是分块读取。有这么一些情况，有一个很大的几个G的文件，没办法一次处理，那么就分批次处理，一次处理1百万行，接着处理下1百万行，慢慢地总是能处理完的。



# 使用类似迭代器的方式
data=pd.read_csv(file, chunksize=1000000)
for sub_df in data:
    print('do ...

			
		

	





	

		

			

				
					
python学习笔记二（pandas基础）

				
			

			

				

					hczheng的专栏
				

				

					08-16
					
					2万+
					
				

			

		

		

			
				
大写的吐槽：暑假提前结束，实验室项目越来越紧，略烦躁（不喜欢做的项目），没啥自由学习的时间了。只有抽些零散的时间去准备数据挖掘比赛相关的东西。最近关注的大神 wepon,bryan的博客，干货多多！ 
PS: 实验室师兄们找工作也是压力山大，祝他们好运！今天继续pandas基础学习，参考资料还是来自以下网址，练习数据换成自己的，加深印象： 
 http://www.open-open.com/lib

			
		

	





	

		

			

				
					
pandas使用(不定期把所见的比较有效的处理方式加过来)

				
			

			

				

					ml_hhy的博客
				

				

					07-11
					
					411
					
				

			

		

		

			
				
作者：SeanCheney 
链接：https://www.jianshu.com/p/161364dd0acf

没有全部详细整过来，大概弄了一下 
sort_values

 






列可以通过赋值的方式进行修改。例如，我们可以给那个空的”debt”列赋上一个标量值或一组值：

In [54]: frame2['debt'] = 16.5

In [55]: frame2
Out[55]...

			
		

	





	

		

			

				
					
Python数据处理笔记04--pandas常用方法

				
			

			

				

					MARS_098的博客
				

				

					01-07
					
					1473
					
				

			

		

		

			
				
Python数据处理笔记01--numpy数组操作

Python数据处理笔记02--numpy矩阵操作

Python数据处理笔记03--pandas数据结构


声明：本文环境为Windows10+Google Browser+jupyter notebook ，长文预警



一、数据读取与写入

二、描述性统计方法

三、迭代与遍历

四、排序

五、缺失值处理



一、数据读取与写入...

			
		

	





	

		

			

				
					
Python数据分析：Numpy、Pandas入门

				
			

			

				

					
				

			

		

		

			
				
本文主要介绍了Python数据分析入门的学习笔记，涵盖了Numpy、Pandas、Matplotlib、Scipy以及Statsmodels和Scikit-learn等关键库的功能和用途。  在Python数据分析领域，Numpy是不可或缺的基础包。它提供的核心功能...

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		评论	
	

	
	




  

    

      添加红包
      
    

    

      

        
        

          
          
        

        
请填写红包祝福语或标题

      

      

        
        

          
          个
        

        
红包个数最小为10个

      

      

        
        

          
          元
        

        
红包金额最低5元

      

      

        
        

          当前余额3.43元
          前往充值 >
        

      

      

        

          需支付：10.00元
        

        
        
      

    

  





  

    
    
  

  

    
    
  








  

    

      

        

          

            
            
成就一亿技术人!

          

          

        

        

          

          

            领取后你会自动成为博主和红包主的粉丝
            规则
          

        

      

      

        

          

            
              
            
            

              
hope_wisdom
 发出的红包
            

          

        

        

          

          

          

        

      

    

    

  



      
      

      
实付元

      
使用余额支付

      

        

          

            
            点击重新获取
          

        

        
扫码支付

      

      

        
          
            
          
          
        
      

      

        
        钱包余额
          0
          

            
            

              

                
抵扣说明：

                
 1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
 2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

              

            

          

      

      余额充值