本文详细介绍了pandas的核心数据结构，包括Series、DataFrame和Panel的创建与特性。重点讲解了如何进行数据操作，如添加、排序、索引管理和分组统计。此外，还涵盖了数据聚合、数据导入导出、时间序列处理和数据可视化等关键知识点，是pandas使用的重要指南。
目录
核心数据结构
Series是一维，DataFrame是二维，Panel是带标签的数组，是三维
Series
创建
方法1：
s=pd.Series(np.random.randn(5), index=['a','b','c','d','e']) 如果不指定索引index，系统会自动使用0，1，2，3，4...作为索引
方法2：
使用字典
d={'a':0,'b':1,'d':3}
s=pd.Series(d,index=list('abcd')) 字典没有给c赋值，c对应的值为NaN
方法3：
使用标量创建
s=pd.Series(5,index=list('abcd')) 每个值都是一样的
特性
1.是numpy中类ndarray的对象,ndarray的方法都支持
（1）可以使用s[0] s[:5] s[2:5] s[[1,3,4]] 访问
（2）np.sin(s) np.exp(s) df.values 可以使用numpy里面的这些函数
np.asarray(df)和df.values是相同的
2.类dict(字典）中的对象
（1）可以使用字典来访问 s['a'] 访问索引是a的元素 但是访问不存在的索引会报错，但是用s.get('f')访问，如果f不存在会返回None，s.get('f',0)可以添加f索引的元素为0
（2）s['b']=3 赋值
（3）s['g']=100 添加新元素
3.标签对齐操作
s1+s2 会自动标签对齐，共同的索引元素相加，不同的索引不能计算，显示NaN
DataFrame
二维数组，有行列两个索引标签
创建
df=pd.DataFrame(data,index=index,columns=columns)
可以使用如下方式创建
一维numpy数组，list，Series构成的字典
二维numpy数组
一个Series
另外的DataFrame对象
举例：
- Series构成的字典
d={'one':pd.Series([1,2,3], index=['a','b','c']), 'two':pd.Series([1,2,3,4], index=['a','b','c','d'])}
df=pd.DataFrame(d)
| one | two | |
|---|---|---|
| a | 1.0 | 1 |
| b | 2.0 | 2 |
| c | 3.0 | 3 |
| d | NaN | 4 |
也可以指定行索引
df=pd.DataFrame(d，index=['d','b','a']) 会按dba顺序排列行标签，c不显示
也可以指定列索引
df=pd.DataFrame(d，icolumns=['two','three'])
- list构成的字典
d={'one':[1,2,3,4],'two':[3,4,5,6]}
df=pd.DataFrame(d)
Series中如果数据个数如果不一致可以用空值代替，但是list如果数据个数不一样会报错
- 可以使用列表套元组
data=[(1,2.2,'hello'), (2,3,'world')]
df=pd.DataFrame(data, index=['one','two'], columns=list('ABC'))
| A | B | C | |
|---|---|---|---|
| one | 1 | 2.2 | hello |
| two | 2 | 3.0 | world |
- 使用列表套字典等等
特性——列的选择、增加和删除
df=pd.DataFrame(np.random.randn(6,4), columns=['one','two','three','four'])
Out[16]:
| one | two | three | four | |
|---|---|---|---|---|
| 0 | -0.092031 | 1.116136 | 0.530261 | -1.539783 |
| 1 | 0.945960 | -0.194456 | 0.189686 | -0.483637 |
| 2 | -0.895602 | 0.573627 | 1.663476 | 0.705897 |
| 3 | -1.115555 | -0.049269 | 0.614421 | 0.192858 |
| 4 | -0.177563 | 0.601958 | 0.037909 | 0.041013 |
| 5 | 0.453347 | -0.197402 | 1.703294 | 0.093993 |
df['one'] 选一列
df.loc[1] 选一行
df['three']=df['one']+df['two']
del df['three'] 删除
df['flag']=df['one']>0.2 添加一列布尔值
df['five']=5 添加新列等于标量5
s=df.pop('four') 删除一列
df.insert(1,'bar',df['one']+df['two']) 在索引位置为1的地方加一列'bar'，值为one和two相加
Out[18]:
| one | bar | two | three | four | |
|---|---|---|---|---|---|
| 0 | -0.092031 | 1.024105 | 1.116136 | 0.530261 | -1.539783 |
| 1 | 0.945960 | 0.751504 | -0.194456 | 0.189686 | -0.483637 |
| 2 | -0.895602 | -0.321975 | 0.573627 | 1.663476 | 0.705897 |
| 3 | -1.115555 | -1.164824 | -0.049269 | 0.614421 | 0.192858 |
| 4 | -0.177563 | 0.424396 | 0.601958 | 0.037909 | 0.041013 |
| 5 | 0.453347 | 0.255945 | -0.197402 | 1.703294 | 0.093993 |
df.assign(Ratio=df['one']/df['two'])
assign也是添加列，但是是复制一个新的数组，inset是在原数组上操作
assign可以使用更复杂的操作，df.assign(Ratio= lambda x: x.one-x.two)
df.assign(ABRatio=df.one/df.two).assign(BarValue= lambda x: x.ABRatio*x.bar)
Out[19]:
| one | bar | <
|---|
最低0.47元/天 解锁文章
2356
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
