python dataframe的某一列变为list_Python数据分析系列文章之Pandas(上)

本篇是【机器学习与数据挖掘】头条号原创首发Python数据分析系列文章的第三篇

• Python数据分析系列文章之Python基础篇
• Python数据分析系列文章之Numpy
• Python数据分析系列文章之Pandas(上)
• Python数据分析系列文章之Pandas(下)
• Python数据分析系列文章之Scipy
• Python数据分析系列文章之Matplotlib
• Python数据分析系列文章之Seaborn
• Python数据分析系列文章之Polty
• Python数据分析系列文章之datetime

本章介绍python数据分析中比较主要的一个库pandas的使用，pandas篇分上下两部分，本节主要介绍pandas使用中一些比较重要的操作。

本节目录：

• 基本数据结构
• 基本功能
• 数据读存与文件格式
• 总结

基本数据结构

想要熟练的使用pandas，就需要了解pandas中两种重要的数据结构：Series和DataFrame。

import pandas as pd

Series

1、创建

pd.Series(data=None, index=None, dtype=None, name=None, copy=False, fastpath=False)

Series一种类似于一维数组的数据对象，由一组数据和一组与之对应的索引组成。series创建方式有四种：

• 使用Python列表创建
• 使用numpy数组创建
• 使用Python字典创建
• 使用单个标量值创建

#左边为索引，右边为值，没有设置索引，则自动创建0-n的整数序列s1 = pd.Series(np.array([1,2,3,4,5,np.nan]))s2 = pd.Series([1,2,3,4,5])s3 = pd.Series({'a':1,'b':2,'c':3,'d':4})s4 = pd.Series(3)#可以自带索引值s5 = pd.Series([1,2,3,4,5],index=list('abcde'))

2、性质

下面主要介绍Series使用中一些常见的方法

#属性s1.index#RangeIndex(start=0, stop=5, step=1)#值s1.values#array([1, 2, 3, 4, 5]) #一维数组s1.value_counts(dropna=True) #值统计，平时用的比较多s1.notnull()s1.isnull() #返回元素是否缺失s1.fillna(0) #缺失值填充s1.drop_duplicates() #去重s1.apply(lambda x:x+1) #用的比较多的性质s2.astype('int') #如果里面有一些不能转为该类型的元素值(如NA，'a')就会出错。s2.iat[0] #取第一个元素，不是按照indexs2.dtypes #dtype('int64')，类型s2.nunique() #5，Series中的元素个数，没有重复的#修改indexindex = ['a1','b1','c1','d1','e1']s5 = pd.Series(dict(s3),index=index)s5#a1 1.0b1 2.0c1 3.0d1 4.0e1 NaNdtype: float64

3、取值与运算

###取值####s1[2] #通过index取数据s3.iat[2] #通过index的顺序取 s1[s1>=3] #取出Series中大于等于3的子集，返回的还是Seriess1[s1.isnull()==True] #去元素为空缺值的子Series###运算###s2**2#0 21 42 63 84 10dtype: int64s2+s2 #输出同上np.exp(s2)#0 2.7182821 7.3890562 20.0855373 54.5981504 148.413159dtype: float64

DataFreme

1、创建

DataFrame是一种表格型的数据结构，它含有一组有序的列，每一列元素值类型可以是数值型、类别型、布尔类型，有行和列索引，可以看成是有Series组成的字典，DataFrame中的数据可以是一个或者多个二维块组成(不是列表、字典或其他一维数据结构)。

data = {'city': ['BeiJing','WuHan','HangZhou','ShangHai','ChnengDu','ChongQing'],  'gender':[0,1,1,0,1,0], 'age':[24,65,34,80,12,28]})d1 = pd.DataFrame(data)

自动添加了索引，可以根据指定列的顺序进行排列。

#类似于Series，如果传入的列没有值，则为空(NaN)d2 = pd.DataFrame(data,columns=['gender','age','city'])d3 = pd.DataFrame(data,columns=['gender','age','city','name'],index=[list('abcdef')]

2、性质

#取一列d1['age'] #为Series对象,返回索引为原DataFrame的索引，等价于d1.age#0 241 652 343 804 125 28Name: age, dtype: int64#取一行d1.ix[3]#age 80city ShangHaigender 0Name: 3, dtype: objectd1.loc[3] #取行做使用.loc或者.iloc。#age 80city ShangHaigender 0Name: 3, dtype: object#赋值修改d3.name = '李四'#新加入一类d1['is_men'] = d1.geder==1s1.values #array格式数据