Pandas统计分析(上)

Pandas是python的核心支持库，它能提供快速、灵活、明确的数据结构，能够简单、直观、快速地处理各种类型的数据，例如处理SQL或Excel表格类似的数据，还能以其他形式的观测、统计数据，它的功能很多，优势显著，例如可以把python和numpy数据结构里不规则、不同索引的数据轻松地转换为DataFrame对象，还有支持日期范围生成、频率转换、移动窗口统计、移动窗口线性回归、日期位移等时间序列功能，综上所述，Pandas是处理数据的理想工具。

1.2安装pandas

1.2.1通过PyPI的pip工具安装

在系统搜索栏中输入cmd(或win键+R键打开),单机命令符提示窗口，在命令提示符后输入安装指令Pandas可以通过PyPI的pip工具安装命令如下:

1.2.2.通过PyCharm开发环境安装

除了通过pip工具安装以外，还可以通过PyCharm开发环境安装。运行PyCharm开发环境安装。运行PyCharm，选择File➡Settings命令，打开Setting窗口，选择Project Interpreter选项，然后单击+(添加)按钮，如下图。这里要注意，在Project Interpreter选项中应选择当前工程项目使用的python版本。

单击+(添加)按钮，打开 Available Packages 窗口，在搜索文本框中输入需要添加的模块名称如 pandas，然后在列表中选择需要安装的模块,如下图所示。单击 Install Package 按即可实现 Pandas模块的安装。

1.2.3导入Excel数据

Anaconda下载地址:

【示例】导入1月淘宝卖家购买数据

先导入模块，然后编写代码。

(1)运行Jupyter Notebook，创建新的notebook，在代码编辑窗口编写如下代码：

(2)运行并显示结果

2.Series对象

2.1Series

Series是 Python 的 Pandas 库中的一种数据结构，它类似一维数组，由一组数据以及与这组数据关的标签(即索引)组成，或者仅有一组数据没有索引也可以创建一个简单的 Series。Series 可以存整数、浮点数、字符串、Python 对象等多种类型的数据。

2.2创建一个Series对象

创建Series对象主要使用pandas的Series()方法，语法如下:

参数说明:

·data: 表示数据，支持 Python 字典、多维数组、标量值 (即只有大小，没有方向的量。也就是说，只是一个数值，如s=pd.Series(5)。

·index:表示行标签 (索引)。

·返回值:Series 对象。

【示例】在成绩表添加一列“物理”成绩，代码运行结果如下：

上述举例，如果通过 Pandas 模块引入 Series 对象，那么就可以直接在程序中使用 Series 对象了主要代码结果运行如下:

2.3手动设置Series索引

【示例】手动设置索引

下面手动设置索引，将 3.2.1 节添加的“物理”成绩的索引设置为 1、2、3，也可以是“明日同学“高同学”“七月流火”。程序代码及运行结果如下:

2.4Series的索引

2.4.1.Series位置索引

【示例】通过位置索引获取学生物理成绩。

获取第一个学生的物理成绩。程序代码及运行结果如下:

注意：Series不能使用[-1]定位索引

2.4.2Series标签索引

Series 标签索引与位置索引方法类似，用[]表示，里面是索引名称，注意 imdex 的数据类型是字符串，如果需要获取多个标签索引值，用[[]]表示(相当于[]中包含一个列表。

【示例】通过标签索引获取学生物理成绩。

通过标签索引“明日同学”和“七月流火”获取物理成绩，程序代码及运行结果如下:

2.4.3切片索引

用标签索引做切片，包头包尾(即包含索引开始位置的数据，也包含索引结束位置的数据)。

【示例】通过切片获取数据。

通过标签切片索引“明日同学”至“七月流火”获取数据。程序代码及运行结果如下:

【示例】通过位置切片获取数据。

通过位置切片 1~4 获取数据，程序代码及运行结果如下:

2.5获取索引和值

获取 Series 索引和值主要使用 Series 的index 和 values 方法。

【示例】获取物理成绩的索引和值。

下面使用 Series的 index 和values 方法获取物理成绩的索引和值，程序代码及运行结果如下：

3.DataFrame对象

3.1图解DataFrame对象

DataFrame是一个二维表数据结构，由行、列数据成的表格。DataFrame 既有行索引也有列索引,它可以看作是由 Series 对象组成的字典，不过这些 Series 对象共用一个索引，如图所示:

【示例】遍历 DataFrame 数据。

遍历DataFrame数据，输出成绩表的每一列数据，程序代码及运行结果如下:

3.2创建一个DataFrame对象

创建 DataFrame主要使用 Pandas 的 DataFrame0方法，语法如下:

·data:表示数据，可以是ndaay数组、Series 对象、列表、字典等

·index:表示行标签(索引)。

· columns:列标签(索引)。

·dtype:每一列数据的数据类型，其与yhon 数据类型有所不同，如 objet 数据类型对应的是
Python 的字符型。表3.1为Pandas数据类型与 Python 数据类型的对应表。

3.2.1通过二维数组创建DataFrame

【示例】通过二维数组创建成绩表

通过二维数组创建成绩表包括语文、数学和英语，程序代码及运行结果如下:

3.2.2通过字典创建DataFrame

通过字典创建 DataFrame需要注意:字典中的 aue 值只能是一维数组或单个的简单数据类型如果是数组，要求所有数组长度一致:如果是单个数据，则每行都添加相同数据。

【示例】通过字典创建成绩表。

通过字典创建成绩表，包括语文、数学、英语和班级，程序代码及运行结果如下:

上述代码中，“班级”的 value 值是一个单个数据，所以每一行都添加了相同的数据“高一7班“。

3.3DataFrame重要属性和函数

重要属性

属性	描述	举例
values	查看所有元素的值	df.values
dtypes	查看所有元素的类型	df.dtypes
index	查看所有行名、重命名行名	df.index df.index=[1,2,3]
columns	产看所有列名，重命名列名	df.columns df.columns=[语，数，外]
T	行列数据转换	df.T
head	查看前N条数据，默认5条	df.head0 df.head(10)
tail	查看后N条数据，默认5条	df.tail0 dftail(10)
shape	查看行数和列数shape[0]表示行，shape[I]表示列	df.shape[0] df.shape[l]
info	查看索引、数据类型和内存信息	df.info

重要函数

1.describe:描查看每列的统计汇总信息，DateFrame类型
2.count:返回每一列非空值的个数
3.sum:返回每一列的和，无法计算的返回空值
4.max:返回每列的最大值
5.min:返回每列的最小值

4.导入外部数据

4.1常规导入Excel文件

【示例】导入Excel文件

导入”1月.xlsx“Excel文件，程序代码及结果如下:

使用绝对路径导入文件

4.1.1指定索引导入Excel数据

【示例】指定索引导入Excel数据

如果通过指定行索引导入Excel数据，则需要设置index_col参数。下面将”买家会员名“作为行索引(位于第0列),导入Excel数据，程序代码及结果如下:

4.1.2导入指定数据

一个Excel往往包含多列数据，如果只需要其中几列，可以通过usecols参数指定需要的列，从0开始(表示第1列，以此类推)

【示例】导入第1列数据

下面导入第1列数据(索引为0)，程序代码及结果如下:

4.2导入.csv文件

【示例】导入.csv文件，程序代码及结果如下:

4.3导入.txt文本文件

【示例】导入.txt文本文件，程序代码及结果如下:

5.数据的抽取

5.1抽取一行数据

[示例19] 抽取一行考试成绩数据。

抽取一行名为“明日”的考试成绩数据(包括所有列)，程序代码及结果如下:

5.2抽取多行数据

5.2.1抽取多行数据

【示例】抽取多行数据

抽取行名为“明日”和“高袁圆”(即第1行和第3行数据)的考试成绩数据，可以使用 loc 属也可以使用 iloc 属性，其输出结果都是一样的，主要代码如下:

df1=df.loc[['明日','高袁圆']]
df1=df.iloc[[0,2]]

运行程序，输出结果：

Deamboat2

关注

22
点赞
踩
19

收藏

觉得还不错? 一键收藏
1
评论
Pandas统计分析(上)

Pandas统计分析,Pandas是python的核心支持库，它提供了大量能使我们快速便捷地处理数据的函数和方法。文章介绍开始Pandas入门内容，从安装开始，逐步介绍Pandas相关的入门知识，包括两个主要的数据结构，即Series对象和DataFrame对象，也包括如何导入外部数据。
复制链接

扫一扫