3.5.1 pandas基础

1.导入三方库

import numpy as np
import pandas as pd

查看库的版本

pd.__version__

'1.0.5'

2.数据文件的导入和导出

1)xlsx文件

shuju_xlsx = pd.read_excel('table.xlsx')

shuju_xlsx2 = pd.read_excel('可视化图表案例数据.xlsx')

shuju_xlsx4 = pd.read_excel('可视化图表案例数据.xlsx',sheet_name='条形图')

2)csv文件

shuju_csv = pd.read_csv('table.csv')

3)txt文件

shuju_txt = pd.read_table('table.txt')

shuju_txt

​

.dataframe tbody tr th {
    vertical-align: top;
}
​
.dataframe thead th {
   text-align: right;
}

</style>

​

	col1	col2	col3	col4
0	2	a	1.4	apple
1	3	b	3.4	banana
2	6	c	2.5	orange
3	5	d	3.2	lemon

​

</div>

shuju_txt2 = pd.read_table('citydata.txt',sep='\s+')

3.基本数据结构

1)Series 常用的属性有：值(values)、索引(index)、名字(name)、类型(dtype)

se = pd.Series(np.random.randint(60,100,(8)),index=['s','e','q','b','a','s','h','t'],name='模拟学生成绩',dtype='int32')

se

s    69
e    96
q    74
b    88
a    66
s    73
h    97
t    64
Name: 模拟学生成绩, dtype: int32

se['e']

96

se['s']

s    69
s    73
Name: 模拟学生成绩, dtype: int32

2)DataFrame

a)创建DataFrame

DF = pd.DataFrame({'字母':list('abcdefgh'),'编号':range(5,13),'分值':[1.3,1,3.6,4.6,18,9.1,11,11.111]},
                  index=list('一二三四五六七八'))

DF

​

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}

</style>

​

	字母	编号	分值
一	a	5	1.300
二	b	6	1.000
三	c	7	3.600
四	d	8	4.600
五	e	9	18.000
六	f	10	9.100
七	g	11	11.000
八	h	12	11.111

​

</div>

b)从DataFrame中取出一列

DF[['编号','分值']]

​

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}

</style>

​

	编号	分值
一	5	1.300
二	6	1.000
三	7	3.600
四	8	4.600
五	9	18.000
六	10	9.100
七	11	11.000
八	12	11.111

​

</div>

c)修改行或列名

修改列名

DF.rename(columns={'asd':'字母','shuzi':'编号','带小数点的数据':'分值'})

​

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}

</style>

​

	字母	编号	分值
一	a	5	1.300
二	b	6	1.000
三	c	7	3.600
四	d	8	4.600
五	e	9	18.000
六	f	10	9.100
七	g	11	11.000
八	h	12	11.111

​

</div>

#1.与直接数据提供人或者数据导出者对接
#2.1)让对方自行内部沟通，等待结果；2)尝试获取或切入对方的数据录入环节

修改行名

DF.rename(index={'一':'numberone'},inplace=True)

DF

​

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}

</style>

​

	字母	编号	分值
numberone	a	5	1.300
二	b	6	1.000
三	c	7	3.600
四	d	8	4.600
五	e	9	18.000
六	f	10	9.100
七	g	11	11.000
八	h	12	11.111

​

</div>

d)调用属性和方法

DF.values

array([['a', 5, 1.3],
       ['b', 6, 1.0],
       ['c', 7, 3.6],
       ['d', 8, 4.6],
       ['e', 9, 18.0],
       ['f', 10, 9.1],
       ['g', 11, 11.0],
       ['h', 12, 11.111]], dtype=object)

DF.index

Index(['numberone', '二', '三', '四', '五', '六', '七', '八'], dtype='object')

DF.columns

Index(['字母', '编号', '分值'], dtype='object')

e)列的删除和添加

列的删除

DF.drop(index='五',columns='字母') #使用参数inplace=True才会在DataFrame中生效

​

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}

</style>

​

	编号	分值
numberone	5	1.300
二	6	1.000
三	7	3.600
四	8	4.600
六	10	9.100
七	11	11.000
八	12	11.111

​

</div>

del DF['字母'] #执行后改动就会生效

DF

​

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}

</style>

​

	编号	分值
numberone	5	1.300
二	6	1.000
三	7	3.600
四	8	4.600
五	9	18.000
六	10	9.100
七	11	11.000
八	12	11.111

​

</div>

列的添加

DF

​

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}

</style>

​

	编号	分值
numberone	5	1.300
二	6	1.000
三	7	3.600
四	8	4.600
五	9	18.000
六	10	9.100
七	11	11.000
八	12	11.111

​

</div>

DF['添加的列'] = DF['编号'] + DF['分值']

DF

​

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}

</style>

​

	编号	分值	添加的列
numberone	5	1.300	6.300
二	6	1.000	7.000
三	7	3.600	10.600
四	8	4.600	12.600
五	9	18.000	27.000
六	10	9.100	19.100
七	11	11.000	22.000
八	12	11.111	23.111

​

</div>

f)根据类型选择列

DF.select_dtypes(include=['number'])

​

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}

</style>

​

	编号	分值	添加的列
numberone	5	1.300	6.300
二	6	1.000	7.000
三	7	3.600	10.600
四	8	4.600	12.600
五	9	18.000	27.000
六	10	9.100	19.100
七	11	11.000	22.000
八	12	11.111	23.111

​

</div>

DF.select_dtypes(include=['object'])

​

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}

</style>

​

numberone
二
三
四
五
六
七
八

​

</div>

4.常用基本函数

导入数据文件

csv_shuju = pd.read_csv('table.csv')

a)head和tail

csv_shuju.head()

​

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}

</style>

​

	School	Class	ID	Gender	Address	Height	Weight	Math	Physics
0	S_1	C_1	1101	M	street_1	173	63	34.0	A+
1	S_1	C_1	1102	F	street_2	192	73	32.5	B+
2	S_1	C_1	1103	M	street_2	186	82	87.2	B+
3	S_1	C_1	1104	F	street_2	167	81	80.4	B-
4	S_1	C_1	1105	F	street_4	159	64	84.8	B+

​

</div>

csv_shuju.rename(columns={'School':'学校','Class':'班级','ID':'学生ID','Gender':'性别',
                          'Address':'地址','Height':'身高','Weight':'体重','Math':'数学成绩','Physics':'物理成绩'},inplace=True)

csv_shuju.head(1) #默认显示5行

​

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}

</style>

​

	学校	班级	学生ID	性别	地址	身高	体重	数学成绩	物理成绩
0	S_1	C_1	1101	M	street_1	173	63	34.0	A+

​

</div>

csv_shuju.tail(2) #默认显示5行

​

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}

</style>

​

	学校	班级	学生ID	性别	地址	身高	体重	数学成绩	物理成绩
33	S_2	C_4	2404	F	street_2	160	84	67.7	B
34	S_2	C_4	2405	F	street_6	193	54	47.6	B

​

</div>

b)unique和nunique

csv_shuju['性别'].nunique() #nunique显示该字段里有多少个唯一值

2

csv_shuju['性别'].unique() #unique显示该字段里所有的唯一值

array(['M', 'F'], dtype=object)

c)count和value_counts

csv_shuju['地址'].count() #返回非缺失值元素的个数

35

csv_shuju['物理成绩'].value_counts() #返回每个元素的频数(有多少个)
#不太适合交易额、销量、分值

B+    9
B     8
B-    6
A     4
A-    3
A+    3
C     2
Name: 物理成绩, dtype: int64

d)info和describe

csv_shuju.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 35 entries, 0 to 34
Data columns (total 9 columns):
 #   Column  Non-Null Count  Dtype  
---  ------  --------------  -----  
 0   学校      35 non-null     object 
 1   班级      35 non-null     object 
 2   学生ID    35 non-null     int64  
 3   性别      35 non-null     object 
 4   地址      35 non-null     object 
 5   身高      35 non-null     int64  
 6   体重      35 non-null     int64  
 7   数学成绩    35 non-null     float64
 8   物理成绩    35 non-null     object 
dtypes: float64(1), int64(3), object(5)
memory usage: 2.6+ KB

csv_shuju.describe() #统计数值型数据的各个统计量

​

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}

</style>

​

	学生ID	身高	体重	数学成绩
count	35.00000	35.000000	35.000000	35.000000
mean	1803.00000	174.142857	74.657143	61.351429
std	536.87741	13.541098	12.895377	19.915164
min	1101.00000	155.000000	53.000000	31.500000
25%	1204.50000	161.000000	63.000000	47.400000
50%	2103.00000	173.000000	74.000000	61.700000
75%	2301.50000	187.500000	82.000000	77.100000
max	2405.00000	195.000000	100.000000	97.000000

​

</div>

csv_shuju.describe(percentiles=[.05,.25,.75,.95])

​

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}

</style>

​

	学生ID	身高	体重	数学成绩
count	35.00000	35.000000	35.000000	35.000000
mean	1803.00000	174.142857	74.657143	61.351429
std	536.87741	13.541098	12.895377	19.915164
min	1101.00000	155.000000	53.000000	31.500000
5%	1102.70000	157.000000	56.100000	32.640000
25%	1204.50000	161.000000	63.000000	47.400000
50%	2103.00000	173.000000	74.000000	61.700000
75%	2301.50000	187.500000	82.000000	77.100000
95%	2403.30000	193.300000	97.600000	90.040000
max	2405.00000	195.000000	100.000000	97.000000

​

</div>

csv_shuju['物理成绩'].describe()

count     35
unique     7
top       B+
freq       9
Name: 物理成绩, dtype: object

e)idxmax和nlargest

idxmax

csv_shuju['数学成绩'].idxmax() #返回最大值所在行的索引

5

csv_shuju[5:9]

​

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}

</style>

​

	学校	班级	学生ID	性别	地址	身高	体重	数学成绩	物理成绩
5	S_1	C_2	1201	M	street_5	188	68	97.0	A-
6	S_1	C_2	1202	F	street_4	176	94	63.5	B-
7	S_1	C_2	1203	M	street_6	160	53	58.8	A+
8	S_1	C_2	1204	F	street_5	162	63	33.8	B

​

</div>

csv_shuju['数学成绩'].idxmin() #返回最小值所在行的索引

10

csv_shuju[10:20]

​

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}

</style>

​

	学校	班级	学生ID	性别	地址	身高	体重	数学成绩	物理成绩
10	S_1	C_3	1301	M	street_4	161	68	31.5	B+
11	S_1	C_3	1302	F	street_1	175	57	87.7	A-
12	S_1	C_3	1303	M	street_7	188	82	49.7	B
13	S_1	C_3	1304	M	street_2	195	70	85.2	A
14	S_1	C_3	1305	F	street_5	187	69	61.7	B-
15	S_2	C_1	2101	M	street_7	174	84	83.3	C
16	S_2	C_1	2102	F	street_6	161	61	50.6	B+
17	S_2	C_1	2103	M	street_4	157	61	52.5	B-
18	S_2	C_1	2104	F	street_5	159	97	72.2	B+
19	S_2	C_1	2105	M	street_4	170	81	34.2	A

​

</div>

nlargest

csv_shuju['数学成绩'].nlargest() #返回前几个大的元素值及其索引

5     97.0
28    95.5
11    87.7
2     87.2
24    85.4
Name: 数学成绩, dtype: float64

csv_shuju['数学成绩'].nsmallest() #返回前几个小的元素值及其索引

10    31.5
1     32.5
26    32.7
8     33.8
0     34.0
Name: 数学成绩, dtype: float64

e)clip和replace

clip：对超过或低于指定值的数据进行截取

csv_shuju['数学成绩'].clip(31,50).head()

0    34.0
1    32.5
2    50.0
3    50.0
4    50.0
Name: 数学成绩, dtype: float64

replace：对指定值进行替换

csv_shuju['地址'].replace(['street_1','street_2','street_4'],['one','two','fouth'],inplace=True)

csv_shuju.head(10)

​

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}

</style>

​

	学校	班级	学生ID	性别	地址	身高	体重	数学成绩	物理成绩
0	S_1	C_1	1101	M	one	173	63	34.0	A+
1	S_1	C_1	1102	F	two	192	73	32.5	B+
2	S_1	C_1	1103	M	two	186	82	87.2	B+
3	S_1	C_1	1104	F	two	167	81	80.4	B-
4	S_1	C_1	1105	F	fouth	159	64	84.8	B+
5	S_1	C_2	1201	M	street_5	188	68	97.0	A-
6	S_1	C_2	1202	F	fouth	176	94	63.5	B-
7	S_1	C_2	1203	M	street_6	160	53	58.8	A+
8	S_1	C_2	1204	F	street_5	162	63	33.8	B
9	S_1	C_2	1205	F	street_6	167	63	68.4	B-

​

</div>