文章目录
前言
Pandas
python三大库numpy，pandas以及matplotlib在人工智能领域有广泛的营运。下面我将介绍一些关于Pandas的一些简单教程
一、Pandas是什么？
pandas 是基于NumPy 的一种工具，该工具是为解决数据分析任务而创建的。
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。
还有Pandas的名称来自于面板数据（panel data）和python数据分析（data analysis）。
不是大熊猫哦～
二、使用步骤
1.引入库
import pandas as pd
print(pd.__version__)
# 2.2.1
2.数据读取
2.1 数据类型
| 数据类型 | 读取方法 |
|---|---|
| csv\tsv\txt | pd.read_csv |
| excel | pd.read_excel |
| mysql | pd.read_sql |
2.2 数据读取
本文主要介绍csv的使用方式，采用的数据集是飞浆中的 波士顿房价预测中文版
1.常见操作
head():查看前几行数据，默认为5
tail():查看后几行，默认是5
shape():查看数据的形状
import pandas as pd
f_path=r'/Users/zhangqingjie/files/x1/class_work/pandas_prac/housingPrices_train.csv'
read=pd.read_csv(f_path)
print(read.head())
# Id MSSubClass MSZoning ... SaleType SaleCondition SalePrice
# 0 1 60 RL ... WD Normal 208500
# 1 2 20 RL ... WD Normal 181500
# 2 3 60 RL ... WD Normal 223500
# 3 4 70 RL ... WD Abnorml 140000
# 4 5 60 RL ... WD Normal 250000
#
# [5 rows x 81 columns]
print(read.tail())
# Id MSSubClass MSZoning ... SaleType SaleCondition SalePrice
# 1455 1456 60 RL ... WD Normal 175000
# 1456 1457 20 RL ... WD Normal 210000
# 1457 1458 70 RL ... WD Normal 266500
# 1458 1459 20 RL ... WD Normal 142125
# 1459 1460 20 RL ... WD Normal 147500
# [5 rows x 81 columns]
print(read.shape)
# (1460, 81)
info():查看数据集的行数、列数、列的数据类型、非空值的数量以及内存使用情况
print(read.info())
# <class 'pandas.core.frame.DataFrame'>
# RangeIndex: 1460 entries, 0 to 1459
# Data columns (total 81 columns):
# # Column Non-Null Count Dtype
# --- ------ -------------- -----
# 0 Id 1460 non-null int64
# 1 MSSubClass 1460 non-null int64
# 2 MSZoning 1460 non-null object
# 3 LotFrontage 1201 non-null float64
# 4 LotArea 1460 non-null int64
# 5 Street 1460 non-null object
# 6 Alley 91 non-null object
# ...
# 77 YrSold 1460 non-null int64
# 78 SaleType 1460 non-null object
# 79 SaleCondition 1460 non-null object
# 80 SalePrice 1460 non-null int64
# dtypes: float64(3), int64(35), object(43)
# memory usage: 924.0+ KB
describe()：返回美列的数据信息，如总数，平均数，方差，均值，分位数等
print(read.describe())
# Id MSSubClass ... YrSold SalePrice
# count 1460.000000 1460.000000 ... 1460.000000 1460.000000
# mean 730.500000 56.897260 ... 2007.815753 180921.195890
# std 421.610009 42.300571 ... 1.328095 79442.502883
# min 1.000000 20.000000 ... 2006.000000 34900.000000
# 25% 365.750000 20.000000 ... 2007.000000 129975.000000
# 50% 730.500000 50.000000 ... 2008.000000 163000.000000
# 75% 1095.250000 70.000000 ... 2009.000000 214000.000000
# max 1460.000000 190.000000 ... 2010.000000 755000.000000
2.txt读取
注意：csv是默认以逗号为分隔符的，但是txt不是，所以要特意指出
需要制定几个参数
sep='分隔符'
header=None表示没有标题
names=[]：表示指定标题
import pandas as pd
f_path=r'/Users/zhangqingjie/files/x1/class_work/pandas_prac/THUOCL_caijing.txt'
read=pd.read_csv(f_path,sep='\t',header=None,names=['名称','代码'])
print(read)
# 名称 代码
# 0 发展 1934814
# 1 部门 1709250
# 2 政府 1617499
# 3 经济 1396619
# 4 服务 1386428
# ... ... ...
# 3825 中国民营经济周刊 1
# 3826 瓦房店轴承股份有限公司 1
# 3827 东碳 1
# 3828 华银电力 1
# 3829 资本运作 1
3.pandas的数据结构
3.1 Series
一维数据，一行或者一列
存带标签的一维数据
1.属性
这是一些常见的属性，感兴趣的小伙伴可以试试～
不一一举例了
values：返回 Series 中的值
index：返回 Series 中的索引
dtype：返回 Series 中元素的数据类型。
name：返回 Series 的名称。
ndim：返回 Series 的维度
shape：返回 Series 中数据的形状
size：返回 Series 中元素的数量
empty：返回一个True(若为空)
axes：返回一个包含 Series 索引和数据轴标签的列表
values_counts()：返回一个包含 Series 中唯一值及其出现次数的 Series。
astype(dtype)：将 Series 中的数据类型转换为指定的类型。
isnull()：返回一个布尔型的 Series，表示 Series 中的缺失值。
notnull()：返回一个布尔型的 Series，表示 Series 中的非缺失值。
2.创建Series
1.用列表创立索引
可以看到，左侧是自动生成的索引，右侧是数据
还可以查索引和值
当然也可以指定索引创建
2.用字典创建Series
直接把字典转换成索引
3.查询
类似于查询字典操作
如果要查询多个值，可以传入一个列表。
但是！！！注意返回值的类型仍然是Series
3.2 DataFrame
二维数据，多行多列，可以将之当做一个表格
既有行索引index，又有列索引columns
1.创建DataFrame
1.多个字典创建
可以看到，字典变成了表格一样的东西，这个就是DataFrame
查一下他的三个属性
注意！！！，大家有没有发现不同，查c0lumn索引的时候的数据类型是object，于是我们查一下他的类型
可以看到，
如果查的的是单行单列，返回的是一个Series
如果查的是多行多列，返回的仍然是DataFrame
4.查询数据
除了要介绍的loc外，还有其他的一些查询方式，暂且不一一举例了，以后慢慢补充的
data.iloc
data.where
data.query
举例数据如下
4.1 data.loc 根据行列标签值进行查询
先介绍一个语法
**set_index()**
参数说明
key：数据表中的某列/列标签列表/数组列表，需要设置为索引的列。
drop：删除用作新索引的列，默认为True，删除。
append：是否将列附加到现有索引，默认为False，否。
inplace：表示当前操作是否对原数据重新，默认为False，否。
verify_integrity：检查新索引的副本。否则，请将检查推迟到必要时进行。将其设置为False，将提高该方法的性能，默认为False。
设置索引为街道链接LotFrontage ，若不设置任何参数，将该索引提前
若将inplace设置为True,表示对原数据进行更新
如果没有inplace那么原数据不变
1.使用单个label值查询数据
直接loc[行，列]
2.使用值列表批量查询数据
当然也可以传入列表
注意，传入一个列表参数返回series，传入两个返回dataFrame
3.使用数值区间进行范围查询
行和列都可以按照区间进行查询
4.使用条件表达式查询
此外还可以结合‘&’，'|'进行与或操作
5.使用函数查询
1.使用lambda表达式
name=lambda [列表名]: 表达式
上下是等价的～
def add(x, y):
return x+ y
print(add(3,4))
add = lambda x,y:x+y
print(add(3,4))
2.自己定义函数
loc[]内部调用函数的时候，不强制在函数后面写上 (data)。但是如果加了括号，内部一定是要写相应的dataframe名字
也可以选列名
4.2 query
数据
1.基本语法
query(),括号里面内容是类似sql语句的内容，
用and，or，not进行条件判断
4.3 where
如图所示～
4.4 小结
大家记住，loc是最重要的就好了
5.过滤日期时间
数据例子
第一步：使用pd.to_datetime这个函数，他的作用是将字符串转换为Timestamp格式，转成这个格式之后就可以转换多种格式的时间字符串了
在format的格式字符串中，各种时间元素都有特定的字符表示，例如：
%Y表示四位数的年份，
%m表示两位数的月份，
%d表示两位数的日期，
%H表示小时数（24小时格式），
%M表示分钟数，
%S表示秒数。
第二步：使用strftime变成自己想要的时间形式，他的作用是将时间元组格式化为字符串
找2015年8月的数据
6.新增数据
数据集展示
6.1 直接赋值
最后一行等于MSS+Lot
6.2 apply
apply()有两个参数
第一个是fun：函数名
第二个是axis：
返回的是一个series对象，它的内容有两种情况：
若为0，则是DataFrame的index索引
若为1，则是DataFrame的columns索引
6.3 assign
分配一个新的列到DataFrame中,返回的是一个对象，并不是直接赋值
直接复制也行，只不过我这里用的是lambda表达式
最棒的是，他可以一次增加多行
6.4 分条件赋值
先设置一个空列，然后中括号里面放条件语句
7.统计函数
7.1汇总统计
直接describe函数，当然也可以指定其中之一
7.2 唯一性去重和按值计数
1. 唯一去重
一般用于查看包含哪些不同的值
2.按值计算
记录数据出现的次数，降序排列
3.相关系数和协方差（常用哦～）
协方差矩阵和相关系数矩阵，机器学习中计算距离度量的时候会用到的
当然也可以单独两个进行
8.对缺失值的处理
表格数据
介绍一些方法
8.1 isnull和notnull:
是否为空值，可以用于dataframe和series
第一种情况是df的情况，第二种是series的情况
8.2dropna:丢弃、删除空值
axis:删除行还是列（0:index，1:columns），默认为0
how：（any：任何值为空都删除，all：所有值为空才删除）
inplace：（如果为TRUE则修改当前的dataframe,否则是返回一个新的dataframe）
8.3fillna:填充空值
value：用于填充的值（还可以是字典）
method：（ffill：用起那一个不为空的值填充，bfill：后一个不为空的值填充）
axis：（按行还是按列）
inplace：（如果为TRUE则修改当前的dataframe,否则是返回一个新的dataframe）
两种填充方式：
当然也可以直接全部填充
最后保存
打开文件一看，保存成功啦！
9.排序
原数据
9.1 Series排序
series.sort_values()
参数说明：
ascending：True为生序排序
inplace：是否修改
9.2 DataFrame排序
DataFrame.sort_values()
参数说明：
by：可以传列名或者列表，实现多列和单列排序
ascending：bool或List，（生序还是降序），如果是list对应by的多列
inplace：同上
by的用法是优先列表中第一个元素的排序，在第一个元素相等的基础上，在按照第二个排序
另一个例子：
按照第一个元素生序排序，第二个元素降序排序
10.字符串处理
10.1 全部属性
以下是我从官方文档中复制的所有的方法，大家可以尝试一些，我会调一些重要的举例子
10.2.注意事项
- 先获取Series的字符串属性，在属性上调用函数
- 只能在字符串的列上使用，不能再数字的列上使用
- DataFrame没有字符串的属性和处理方法
10.3 栗子～
初始数据
-
一些基础的属性
-
使用startwith，contains等得到的bool的Series可以做条件查询
11.merge合并操作
merge(left,right, how=‘inner’, on=None, left_on=None, right_on=None, left_index=False, right_index=False, sort=True, suffixes=(‘_x’, ‘_y’), copy=True, indicator=False, validate=None)
* left，right：要合并的的dataframe或者有name的Series。
* how：join类型，‘left’, ‘right’, ‘outer’, ‘inner’。等价于sql里的左、右连接，外连接和内连接
* on：join的key，left和right都需要有这个key。
* left_on：left的df或者series的key。
* right_on：right的df或者seires的key。
* left_index，right_index：使用index而不是普通的column做join。
* suffixes：两个元素的后缀，如果列有重名，自动添加后缀，默认是(‘_x’, ‘_y’)
这里就要讲一下sql里的左右连接，内外连接了。
left：左连接
right:右连接
inner:内连接
outer:外连接
这里是例子数据：
11.1外连接（交集）
11.2内连接（并集）
11.4左连接
以左边df的‘配偶’元素为基准，进行合并
若右边的df中没有匹配的元素，空值处理
11.4右连接
以右边df的‘配偶’元素为基准，进行合并。
若左边的df中没有匹配的元素，空值处理
12.concat合并
pd.concat(objs, axis=0, join=‘outer’, join_axes=None, ignore_index=False,keys=None, levels=None, names=None, verify_integrity=False)
参数解释
objs:待合并的所有数据集，一般为列表list,list中的元素为series或dataframe
axis:合并时参考的轴，axis=0为基于行合并；axis=1为列合并,默认为0
join:连接方式为内连接（inner)or外连接(outer)
原数据
行合并
列合并
13.merge和concat的区别
merge与concat的区别
1、merge默认内连接，concat默认外连接
2、merge的参数有四个【内、外连接，左右连接】，concat是利用axis进行合并
3、merge合并范围广，可以通过索引和列进行合并，concat只能进索引合并
13.分组groupby的用法
13.1创建groupby对象
13.2聚合操作agg
英语是aggregation（聚合）
有如下方法
常用使用方法如下：
13.3 transfrom
pandas的一个转换函数，对DataFrame执行传入的函数后返回一个相同形状的DataFrame。
transform(func, axis=0, *args, **kwargs):
func: 用于转换数据的函数，函数必须满足传入一个DataFrame能正常使用，或传递到DataFrame.apply()中能正常使用。
func可以接收函数的名字、函数名的字符串、函数组成的列表、行/列标签和函数名组成的字典。
axis: 设置按列还是按行转换。设置为0或index，表示对每列应用转换函数，设置为1或columns，表示对每行应用转换函数。
args: 传递给函数func的位置参数。
kwargs: 传递给函数func的关键字参数。
用法如下：
这个group是13.1中设置的
13.4 apply()
定义一个函数，进行回调。
例子为找到每个公司中年纪最大的信息
14. 删除重复值
先构造一个df
14.1duplicated()
查看是否重复的bool数组
14.2.drop_duplicates()
删除重复元素，默认是保留第一个
还可以保留最后一个，加上一个keep='last’的参数
14.3.针对某一列删除重复元素
这样列上也没有重复了，而且是按照最后一个保留
15 轴
轴按照官方的解释是
axis=0表示从行的方向从左到右，从上倒下
axis=1表示从列的方向从上到下，从左到右
这个轴的概念怎么说的都有，众说芸芸，我的见解是这样的。
axis=0代表行
axis=1代表列
以axis=0为例子
当执行计算平均数、求和等方法的时候，他的结果是把一个二维表格变成一个一维数据（例子中，吧三行四列的数组变成了一行四列），也就是说将数据向行方向降维（多行变一行）。
列方向的例子
总结
这就是pandas 的全部教程啦，本文篇幅较长，包括了最基础的pandas的应用，道友们可以作为参考！
要是想进一步了解pandas的用法建议还是多动手，实战中才能真正的进步。
也许会很累，但是也不要忘记周围的美景，春末夏初，路边的柳树早已长出来枝芽。
把酒祝东风，且共从容，道友，加油！！！
586
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
