数据分析04——Pandas简介/Series对象/DataFrame对象

1、Pandas简介：

• Pandas是基于NumPy开发的
• 数据分析三大剑客之一，Python数据分析的核心库
• 提供快速、灵活、明确的数据结构
• Series对象：一维数组结构，由index和value构成
• DataFrame对象：二维数组结构，由index、column和value构成
• 能够简单、直观、快速地处理各种类型的数据

---

2、Series对象：

• 创建series对象方法很简单，但是series索引获取值方法就有两种，一种是通过原索引，一种是通过自定义索引。
• 关键字：Series、data、index、values、hasnans

import pandas as pd	# 必须要导入pandas库，别名都是约定俗成的pd

# 创建pandas对象
s1 = pd.Series([88, 98, 75])

# 设置Series索引，如果不设置索引，默认从0开始
s2 = pd.Series(
    data=[88, 98, 75],
    index=[1, 2, 3])
   
# 索引不一定是数字
s3 = pd.Series(
    data=[88, 98, 75],
    index=['张三', '李四', '王五'])

# 我们自己设置的索引叫做索引名，原有的默认索引叫做索引号
print(s3[0])	# 88
print(s3['张三'])	# 88

# 可以通过多个索引名获取值
print(s3[['张三', '王五']])	# 88 75

# 索引名(自定义的)切片获取值，左闭右闭
s3['张三':'王五']

# 索引号(原始的)切片获取值，左闭右开
s3[0:2]

# 获取series对象的索引
s3.index
# 获取series对象的值
s3.values

# nan：not a number，指空值
s3.hasnans	# 判断series对象是否包含一个空值

---

3、DataFrame对象：

• DataFrame对象其实就是一个二维数组
• 创建DataFrame对象普通方法：（data（二维数组）、index（行索引、序号）、columns（列索引、表头、字段））

import pandas as pd

# 表单由行列构成，二维数组
# 索引：行索引（序号）、列索引（表头）
data = [[110, 105, 99],
        [105, 88, 115],
        [109, 120, 130]]
index = [0, 1, 2]  # 行索引
columns = ['语文', '数学', '英语']  # 列索引

df = pd.DataFrame(
    data=data,
    index=index,
    columns=columns)
df
# DataFrame由index、columns、values三个组件构成
# DataFrame对象是Series对象的集合

• 如果新建DataFrame对象时，data中只有一行数组会发生什么？ 答：可以正确新建对象

d1 = pd.DataFrame(
    data = [[1, 2, 3]],
#     index=[1, 2, 3]
    columns = ['你', '我', '他']
)

• 用字典创建DataFrame对象方法：

  • 本质就是通过字典把创建每一列的数据，其中列索引是字典的key，每一列的值就是字典的value
    

• 遍历DataFrame

  • DataFrame对象名.columns：获取列索引
  • 通过列索引获取的每一列数据都是一个Series对象
  • DataFrame对象名[列索引]：获取某一列数据（Series对象）
  • 遍历DataFrame，归根结底就是在遍历列数据

for col in df.columns:
    series = df[col]
    print(series)

• DataFrame的重要属性
  1、查看所有值：DataFrame对象名.values
  2、查看某一列中不重复的值（去重）：DataFrame对象名[列名].unique()
  3、查看某列的不重复值的数量：DataFrame对象名[列名].nunique()
  4、查看所有列的数据类型：DataFrame对象名.dtypes
  5、查看所有行名：DataFrame对象名.index
  6、重命名行名：DataFrame对象名.index = [‘A1’, ‘A2’, ‘A3’]
  7、查看所有列名：DataFrame对象名.columns
  8、重命名列名：DataFrame对象名.columns = [‘语’, ‘数’, ‘外’]
  9、将行列数据进行转置：DataFrame对象名.T
  10、查看前n条数据：DataFrame对象名.head(n) # 如果总数据不足n条，不会报错，会给出所有数据
  11、查看后n条数据：DataFrame对象名.tail(n)
  12、查看行数和列数：DataFrame对象名.shape
  13、查看行数：DataFrame对象名.shape[0]
  14、查看列数：DataFrame对象名.shape[1]
  15、查看详细信息（索引、数据类型、非空值数量和内存信息）：DataFrame对象名.info()

• DataFrame的重要函数
  注：下面用df表示DataFrame对象名
  1、查看每列的描述统计信息（返回数据还是DataFrame类型）：df.describe().round(2) # round(2)是保留两位小数，在这可加可不加
  2、返回每列非空值数量：df.count()
  3、返回每列的合计：df.sum()
  4、返回每列的最大值：df.max()
  5、返回每列最小值：df.min()
  6、返回最大值的索引号（返回的是默认索引）：df[列名].argmax()
  7、返回最小值的索引号（返回的是默认索引）：df[列名].argmin()
  8、返回最大值的索引名（返回的是自定义索引）：df[列名].idxmax()
  9、返回最小值的索引名（返回的是自定义索引）：df[列名].idxmin()
  10、返回每列平均值：df.mean()
  11、返回每列中位数：df.median()
  12、返回方差：df.var()
  13、返回某一列方差：df[列名].var()
  14、返回标准差：df.std()
  15、检查df中的空值（两种）：df.isnull() # df.notnull()

---

总结：

• 在DataFrame中的很多属性和函数都是通过列来进行操作的，所以在DataFrame中列可以看作一个基本单位