pandas df中有几个数组_Pandas数据处理与分析一

Pandas数据处理与分析

SUMMER

1

什么是Pandas

百度百科：pandas 是基于 NumPy  的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的 数据模型 ，提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。

2

Pandas安装

pip install pandas

2

Pandas数据结构

1、Series——序列

   一维数组，其中的元素类型可以是任何类型的，比如：整型、浮点型、字符串型、对象类型等。

• 初始化包含多种类型数据的序列

import pandas as pds_1= pd.Series([9, 'zheng', 'beijing', {'a':1}])print(s_1)

执行结果：

0           91       zheng2     beijing3    {'a': 1}dtype: object

• 指定索引，并通过索引访问序列元素

s_2=pd.Series([3, -5, 7, 4], index=['a', 'b', 'c', 'd'])for key, value in enumerate(s_2):    print(key,' : ', value)print("通过索引访问：", s_2['d'])print("通过下标访问：",s_2[3])

执行结果：

0  :  31  :  -52  :  73  :  4通过索引访问： 4通过下标访问： 4

• 用字典构造序列

dic = {"a": 2, "b": 8, "c": 9, "d": None}s_3 = pd.Series(dic, name="demo1")print(s_3)

执行结果：

a    2.0b    8.0c    9.0d    NaNName: demo1, dtype: float64

2、DataFrame      pandas常用对象，是存储不同类型数据的二维数组，其常用属性有 values、index、columns、dtypes，可以分别获取元素、索引、列名和类型。

• 创建一个DataFrame

data = {        '性别':['男','女','女','男','男'],        '姓名':['小明','小红','小芳','大黑','张三'],        '年龄':[20,21,25,24,29],        '职业':['老师','工人',None,None,None]}df = pd.DataFrame(data,index=[1,2,3,4,5],               columns=['姓名','性别','年龄','职业'])print(df)

执行结果：

   姓名 性别  年龄    职业1  小明  男  20    老师2  小红  女  21    工人3  小芳  女  25  None4  大黑  男  24  None5  张三  男  29  None

• values属性

data = df.valuesprint(data)  # 结果是一个二维数组，print(data[1][1]) # 可以通过二位数组下标访问元素

执行结果：

[['小明' '男' 20 '老师'] ['小红' '女' 21 '工人'] ['小芳' '女' 25 None] ['大黑' '男' 24 None] ['张三' '男' 29 None]] 女

•  index属性

print(df.index)

执行结果：

Int64Index([1, 2, 3, 4, 5], dtype='int64')

• columns属性

Index(['姓名', '性别', '年龄', '职业'], dtype='object')

• dtypes属性

print(df.dtypes)

执行结果：

姓名    object性别    object年龄     int64职业    objectdtype: object

• head、tail获取头尾指定行

print(df.head(2))print(df.tail(2))

执行结果：

   姓名 性别  年龄  职业1  小明  男  20  老师2  小红  女  21  工人   姓名 性别  年龄    职业4  大黑  男  24  None5  张三  男  29  None

• describe()

  统计数值列的相关信息，包括：计数，平均值，标准差，最小值

最大值以及较低的百分位数和50。

print( df.describe())

执行结果：

              年龄count   5.000000mean   23.800000std     3.563706min    20.00000025%    21.00000050%    24.00000075%    25.000000max    29.000000

• sort_index()排序

  按照行或列进行排序，可指定一列或几列对数据进行排。

  默认调用方式：

DataFrame.sort_index(axis=0, level=None, ascending=True, inplace=False, kind='quicksort', na_position='last', sort_remaining=True, by=None)

参数含义：

• axis：0按照行名排序，1按照列名排序；

• level：sort on values in specified index level(s)(按照给定的索引level顺序排序，默认为None)；

• ascending：True为升序排列；False为降序排列；

• inplace：排序之后的数据直接替换原来的数据，默认为False；

• kind：排序方法，{‘quicksort’, ‘mergesort’, ‘heapsort’}, default ‘quicksort’。

• na_position：缺失值排在最前面或者最后面{"first","last"}，默认是最后面'last';

• by：按照某一列或几列数据进行排序，在sort_index中不建议使用。

# 行名排序 降序df_row=df.sort_index(axis=0, ascending=False)print(df_row)# 列名排序 降序df_col=df.sort_index(axis=1, ascending=False)print(df_col)

结果：

   姓名 性别  年龄    职业5  张三  男  29  None4  大黑  男  24  None3  小芳  女  25  None2  小红  女  21    工人1  小明  男  20    老师     职业 性别  年龄  姓名1    老师  男  20  小明2    工人  女  21  小红3  None  女  25  小芳4  None  男  24  大黑5  None  男  29  张三

• sort_values()排序

指定by参数，即指定哪几行或哪几列对数据排序。

# 按照年龄列降序排序df_1=df.sort_values(axis=0, ascending=False, by='年龄')print(df_1)

结果：

   姓名 性别  年龄    职业5  张三  男  29  None3  小芳  女  25  None4  大黑  男  24  None2  小红  女  21    工人1  小明  男  20    老师