【整理】Python学习笔记1.6

第六章 Pandas基础

 
     Pandas是一款开放源码的BSD许可的Python库，它基于Numpy创建，为Python编程语言提供了高性能的、易于使用的数据结构和数据分析工具。（虽然此熊猫非彼熊猫）

熊猫官网

Pandas常用类

类别	说明
Series	基本数据结构，一维标签数组，能够保存任何数据类型
DataFrame	基本数据结构，一般为二维数组，是一组有序的列
Index	索引对象，负责管理轴标签和其他元数据（比如轴名称）
groupy	分组对象，负责传入需要分组的参数实现对数据分组
Timestamp	时间戳对象，表示时间轴上的一个时刻
Timedelta	时间差对象，用来计算两个时间点的差值

Series

Series本质上是一个ndarray，通过ndarray创建Series对象

class pandas.Series(data = None，index = None, dtype = None, name = None, copy = false, fastpath = False)

DataFrame

DataFrame是pandas基本数据结构，类似数据库中的表。DataFrame既有行索引，也有列索引，它可以看作Series组成的dict，每个Series看作DataFrame的一个列。

class pandas.DataFrame(data=None，index =None，columns = None，dtype = None，copy = False)

DataFrame的基本操作包括索引操作、排序与重置、数据合并。
 
 
索引方式包括3个方面：基础索引方式、loc方法和iloc方法、层次化索引。loc方法基于索引名称，iloc方法基于索引位置。

loc方法是基于名称的索引方法，它接收索引名称（标签），若索引名称不存在则会报错。

loc方法也能接收整数，但这个整数必须是已存在的索引名称。

iloc方法完全基于位置，它接收int，不能接收索引名称，否则会报错。iloc的用法与NumPy中ndarray的数字索引方式完全相同。

Index

Index对象为其余pandas对象储存轴标签。管理轴标签和其他元数据（如轴名称）。创建series或DataFrame等对象时，索引都会被转换为Index对象。主要Index对象包括Index（一般化的Index对象），MultiIndex（层次化Index对象），DatatimeIndex（Timestamp索引对象）、PeriodIndex（Periods索引对象）。

Index对象可以通过pandas.Index()函数创建，也可以通过创建数据对象Series、DataFrame时接受index（或column）参数创建，前者属于显式创建，后者属于隐式创建。

第六章课后题概述

1. C
   在pandas，我们有一维数据——Series，有二维数据——DataFrame，那么，我们有时候有三维数据的需求，pandas提供三维数据结构——panel。新版的pandas库已经移除了数据结构panel。

2. D
   data表示接收的的数据，接收array或dict； index表示索引，必须与数据长度相同，接收array或list，name表示Series对象的名称，接收string或list。

3. D
   C项可结合布尔型索引得到相应的结果

4. D
   删除列的方法有多种如del、pop、drop等。常用的是pop方法，它可以删除行或者列。

5. C
   创建的Index对象不可以修改，保证了Index对象在各个数据结构之间的安全共享。对于D项，使用unique()函数，可以计算Index中唯一值的数组。

6. D
   loc方法基于索引名称，基本语法格式如DataFrame.loc[行索引名称或条件，列索引名称]； iloc方法基于索引位置，基本语法格式如DataFrame.iloc[行索引位置，列索引位置]

7. D
   how表示数据的连接方式，接受inner、outer、left和right，默认为inner。join()方法为DataFrame的堆叠合并方法。

8. B
   replace方法用于替换字符串，但与Python内建的str方法在用法上可能有所不同；文本既可以通过slice方法截取字符，实现索引操作，也可以通过”[ ]”符号实现索引操作，这是基于位置的。若输入位置超过索引，则返回NaN。“文本处理的方法让操作数组上的每一个元素变得容易”、少量文本处理方法是特有的，如cat、get等。

9. D
   结合意义说明，Timestamp是时间戳，为具体时间点； Period为事件段，表示的意义是不同的。

10. ABCD
    通过pandas.Categorical，pandas.cut都可以创建category，设置Series的dtype参数为category和转换Series数据类为category也都可以创建category。

11. 填空题
    （1）对DataFrame按指定列排序的方法是sort_index(axis = 1)
    （2）通过append方法能够在原Series上插入（追加）新的Series。
    （3）设置DataFrame的drop方法的axis参数为0可以删除行
    （4）层次化索引对应的类是MultiIndex。
    （5）CategoricalDtype是category的专用类型，它还可以锁定排序。

12. 创建一个DataFrame

import pandas as pd
dict1 = {'col1': [0, 1, 2, 3, 4], 'col2': [5, 6, 7, 8, 9]}
print('通过dict创建的DataFrame为：\n', pd.DataFrame(dict1, index = ['a', 'b', 'c', 'd', 'e']))

通过dict创建的DataFrame为：
    col1  col2
a     0     5
b     1     6
c     2     7
d     3     8
e     4     9

13. DataFrame操作

# 创建DataFrame
import pandas as pd
d = {'col1':[0, 3, 6, 9],'col2':[1, 4, 7, 10],'col3':[2, 8, 5, 11]}
df = pd.DataFrame(d,index=['a','b','c','f'])
print(df)

# 筛选出列名为“col2”的列大于4的所有数据
# df.loc[df['col2']>4,:]
print(df.loc[df['col2']>4,:])

# 删除列名为“col2”的列
# df.drop(columns=['col2'])
print(df.drop(columns=['col2']))

# 按列名为“col3”的列降序排列DataFrame
# df.sort_values(by='col3', ascending=False)
print(df.sort_values(by='col3', ascending=False))

 col1  col2  col3
a     0     1     2
b     3     4     8
c     6     7     5
f     9    10    11

   col1  col2  col3
c     6     7     5
f     9    10    11

   col1  col3
a     0     2
b     3     8
c     6     5
f     9    11

   col1  col2  col3
f     9    10    11
b     3     4     8
c     6     7     5
a     0     1     2

14. 计算元素长度

#创建DataFrame
d1 = {'col1':['ab', 'abc', None],'col2':[2, 3, 4]}
df1 = pd.DataFrame(d1,index=['a','b','c'])
print(df1)

# 统计元素长度
# df1['col1'].str.len()
print(df1['col1'].str.len())

  col1  col2
a    ab     2
b   abc     3
c  None     4

a    2.0
b    3.0
c    NaN
Name: col1, dtype: float64

     注：代码除部分经本人修改外，主要来自 机械工业出版社的《Python3智能数据分析快速入门》 的配套资料。