文章目录
前言
Pandas是python的一个数据分析包,最初由AQR Capital Management于2008年4月开发,并于2009年底开源出来,目前由专注于Python数据包开发的PyData开发team继续开发和维护,属于PyData项目的一部分。Pandas最初被作为金融数据分析工具而开发出来,因此,pandas为时间序列分析提供了很好的支持。
以下是本篇文章正文内容,下面案例仅供参考
一、pandas是什么?
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官网链接
1.基本功能:
- 数学运算和约简(比如对某个轴求和)可以根据不同的元数据(轴编号)执行
- 灵活处理缺失数据
- 合并及其他出现在常见数据库(例如基于SQL的)中的关系型运算
2.数据结构:
- Series(一维)
Series是一种类似于一维数组的对象,它由一组数据(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。 - DataFrame(二维)
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(共用同一个索引)。 - Panel(三维)
二、Series使用方法
1.创建方法
代码如下(示例):
#Series的创建方法
a = pd.Series([11,22,33,44])
b = pd.Series(range(4))
c = pd.Series(range(4),index = ["a","b","c","d"])
d = {'BeiJing':35000,'ShangHai':42000,'GuangZhou':36000,'ShenZhen':41000}
2.访问数据Series
代码如下(示例):
print(a[1:3])
print(c.index)
print(c[["a","c"]])
print(d.values())
输出结果:
--------------------------------------------------------
1 22
2 33
dtype: int64
Index(['a', 'b', 'c', 'd'], dtype='object')
a 0
c 2
dtype: int64
dict_values([35000, 42000, 36000, 41000])
--------------------------------------------------------
3.Series的数组间的运算
代码如下(示例):
#Series的数组间的运算
print(a + b)
print(a * 2)
print(a >= 33)
print(a[a >= 33])
输出结果:
--------------------------------------------------------
0 11
1 23
2 35
3 47
dtype: int64
0 22
1 44
2 66
3 88
dtype: int64
0 False
1 False
2 True
3 True
dtype: bool
2 33
3 44
dtype: int64
--------------------------------------------------------
4.Series数学函数的使用
代码如下(示例):
#Series数学函数的使用
print(b.mean())
print(b.count())
print(b.sum())
print(b.median())
print(b.var())
print(b.std())
输出结果:
--------------------------------------------------------
1.5
4
6
1.5
1.6666666666666667
1.2909944487358056
--------------------------------------------------------
5.Series数据结构的重新
代码如下(示例):
#Series数据结构的重新
ser1 = pd.Series(['a','b','c','d','e'],index=[2,1,3,5,4])
ser2 = ser1.reindex([1,2,3,4,5,6],fill_value=0)
ser3 = ser2.reindex(range(10),method='bfill')
print(ser3)
输出结果:
--------------------------------------------------------
0 b
1 b
2 a
3 c
4 e
5 d
6 0
7 NaN
8 NaN
9 NaN
dtype: object
--------------------------------------------------------