pythonpandas用法_python之pandas用法详解

pandas是基于numpy构建的，使得数据分析工作变得更快更简单的高级数据结构和操作工具。

一、pandas数据结构

两个主要的数据结构：Series和DataFrame。

1.1 Series

Series是一种类似于一维数组的对象，它由一维数组(各种numpy数据类型)以及一组与之相关的数据标签(即索引)组成，仅由一组数据即可产生最简单的Series.

Series的字符串表现形式为：索引在左边，值在右边。如果没有为数据指定索引，于是会自动创建一个0到N-1(N为数据的长度)的整数型索引。可以通过Series的values和index属性获取其数组表现形式和索引对象：

import numpy as np

import pandas as pd

from pandas import Series,DataFrame

#**********************************Series*************************************

obj=Series([2,4,7,8,9,3])

'''obj=

0 2

1 4

2 7

3 8

4 9

5 3

dtype: int64

'''

obj.values #return:array([2, 4, 7, 8, 9, 3], dtype=int64)

obj.index #return: RangeIndex(start=0, stop=6, step=1)

#创建对数据点进行标记的索引

obj2=Series([2,4,7,8,9,3],index=['a','b','c','d','e','f'])

'''obj2=

a 2

b 4

c 7

d 8

e 9

f 3

dtype: int64

'''

obj2.index #return:Index(['a', 'b', 'c', 'd', 'e', 'f'], dtype='object')

#利用索引的方式选取Series的单个或一组值

obj2['c'] #return:7

obj2[['a','c','f']]

'''out:

a 2

c 7

f 3

dtype: int64

'''

#numpy数组运算(布尔型数组进行过滤、标量乘法、应用数学函数等)都会保留索引和值之间的链接

obj2[obj2>5]

obj2*2

np.exp(obj2)

'''

obj2[obj2>5]: obj2*2: np.exp(obj2):

c 7 a 4 a 7.389056

d 8 b 8 b 54.598150

e 9 c 14 c 1096.633158

dtype: int64 d 16 d 2980.957987

e 18 e 8103.083928

f 6 f 20.085537

dtype: int64 dtype: float64

'''

#可以将Series看成是一个有定长的有序字典，因为它是索引值到数据值的一个映射

#因此，一些字典函数也可以在这里使用：

'a' in obj2 #return:True

'h' in obj2 #return:False

2 in obj2.values #return:True

#利用字典创建Series

dic={'l':1,'z':2,'h':3}

obj3=Series(dic)

'''obj3=

h 3

l 1

z 2

dtype: int64

'''

#若索引比字典的索引多，则与字典索引相匹配的则会被找到，并放置到相应的位置中

#而对应字找不到的索引，其结果则为NaN(即非数字，Not a Number，在pandas中，用于表示缺失或NA值)

ind=['l','z','h','a']

obj4=Series(dic,index=ind)

'''obj4=

l 1.0

z 2.0

h 3.0

a NaN

dtype: float64

'''

#pandas中isnull和notnull函数用于检测缺失数据：

pd.isnull(obj4) #等效于： obj4.isnull()

pd.notnull(obj4)

'''

pd.isnull(obj4): pd.notnull(obj4)

l False l True

z False z True

h False h True

a True a False

dtype: bool dtype: bool

'''

#算术运算中自动对齐不同索引的数据

obj3+obj4

'''out：

a NaN

h 6.0

l 2.0

z 4.0

dtype: float64

'''

#Series对象本身及其索引都有一个name属性

obj4.name='myname'

obj4.index.name='letter'

'''obj4=

letter

l 1.0

z 2.0

h 3.0

a NaN

Name: myname, dtype: float64

'''

#索引可以通过赋值的方式进行改变

obj4.index=['li','zi','hua','a']

'''obj4=

li 1.0

zi 2.0

hua 3.0

a NaN

Name: myname, dtype: float64

'''

1.2 DataFrame

DataFrame是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型(数值、字符串、布尔值等)。DataFrame既有行索引也有列索引，它可以被看做由Series组成的字典(公用同一个索引)。跟其他类似的数据结构相比，DataFrame中面向行和面向列的操作基本是平衡的。其实，DataFrame中的数据是以一个或多个二维块存放的(而不是列表、字典或者别的一维数据结构)。

其中，可以输入给DataFrame构造器的数据类型及相关说明：

#*******************************DataFrame*************************************

import numpy as np

import pandas as pd

from pandas import Se