三、数据的简单处理——pandas模块入门
pandas模块是基于NumPy模块开发的,它不仅能直观地展现数据的结构,还具备强大的数据处理和分析功能。从某种程度上来说,pandas模块是Python成为强大而高效的数据分析工具的重要因素之一。
3.1 数据结构
pandas模块中两个数据结构对象——Series和DataFrame可以在计算机的内存中构建虚拟的数据库。
3.1.1 Series 对象
Series是一种类似于NumPy模块创建的一维数组的对象,与一维数组不同的是,Series对象不仅包含数据元素,还包含一组与数据元素对应的行标签。
使用Series对象可以基于列表创建数据结构:
import pandas as pd
s=pd.Series(['短裤','毛衣','连衣裙','牛仔裤'])
print(s)
代码运行结果如下:
0 短裤
1 毛衣
2 连衣裙
3 牛仔裤
dtype: object
创建数据结构时自定义元素:
import pandas as pd
s=pd.Series(['短裤','毛衣','连衣裙','牛仔裤'],index=['a001','a002','a003','a004'])
print(s)
代码运行结果如下:
a001 短裤
a002 毛衣
a003 连衣裙
a004 牛仔裤
dtype: object
使用Series对象可以基于字典自定义元素:
import pandas as pd
s=pd.Series({'a001':'短裤','a002':'毛衣','a003':'连衣裙','a004':'牛仔裤'})
print(s)
代码运行结果如下:
a001 短裤
a002 毛衣
a003 连衣裙
a004 牛仔裤
dtype: object
3.1.2 DataFrame 对象
DataFrame是一种二维的数据结构对象,用该对象创建的数据结构在形式上类似于Excel表格。
使用DataFrame对象基于列表创建数据结构的方法:
import pandas as pd
df=pd.DataFrame([['短裤',45],['毛衣',69],['连衣裙',119],['牛
仔裤’,99]])
print(df)
第2行代码为DataFrame对象传入了一个嵌套的列表来创建二维的数据结构
从运行结果可以看出,创建了一个二维的数据结构,数据结构中的元素既有行标签又有列标签,其值都默认为从0开始的数字序列。
在使用DataFrame对象创建数据结构时,还可以通过设置参数columns和index来分别自定义行标签和列标签。演示代码如下:
import pandas as pd
df1=pd.DataFrame([['短裤',45],['毛衣',69],['连衣裙',119],['牛
仔裤’,99]],columns=['产品',‘单价'],index=['a001','a002','a003','a004'])
print(df1)
第2行代码中的参数columns用于设置列标签,参数index用于设置行标签。
四、数据的高级处理——pandas模块进阶
五、使用Python进行数据分析
六、Python爬虫基础
七、Python爬虫进阶