Pandas学习(Series&DataFrame&CSV)

目录

数据结构

Series

 DataFrame

CSV

Head

Tail

Info

导包：

import pandas    #导入pandas包
print(pandas.__version__)  #查看pandas版本

 例:

import pandas as pd //使用别名pd

dataSet = {'brand': ["xiaomi", "huawei", "oppo"],
           'price': [2888, 3888, 3118]
           }//设置数据集
showDate=pd.DataFrame(dataSet)
print(showDate)//打印数据

数据结构

Series

Pandas Series可以存储一维任意数据类型的数据，类似于一维数组和表格中的一列。

由索引与列组成。

函数结构

pandas.Series( data, index, dtype, name, copy)

 例：

import pandas as pd
arr=[1,3,5,7,9]
showArr=pd.Series(arr)
print(showArr)

也可以通过索引获取数据：

import pandas as pd
arr=[1,3,5,7,9]
showArr=pd.Series(arr)
print(showArr[2])

你也可以指定索引值：

import pandas as pd
arr=["父亲","母亲","儿子","女儿"]
showArr=pd.Series(arr,index=["father","mother","son","daughter"])
print(showArr)
#通过索引获取数据
print(showArr["son"])

也可以使用 key/value 对象，类似字典来创建 Series：

import pandas as pd
data={648:"元神",888:"王者",8848:"碧蓝"}
show=pd.Series(data)
print(show)
print(show[648])

 如果只需要一部分数据，只需指定数据的索引即可：

import pandas as pd
data={648:"元神",888:"王者",8848:"碧蓝"}
show=pd.Series(data,index=[648,8848])
print(show)

设置Series参数：

import pandas as pd
data={648:"元神",888:"王者",8848:"碧蓝"}
show=pd.Series(data,index=[648,8848],name="gameName")
print(show)

 DataFrame

Pandas DataFrame 是一种二维数据结构，如二维数组或包含行和列的表格。它含有一组有序的列，每列可以是不同的值类型。DataFrame 既有行索引也有列索引，它可以被看做由 Series 组成的字典（共同用一个索引）。

函数结构：

pandas.DataFrame( data, index, columns, dtype, copy)

 

 例：

import pandas as pd
data=[[1,'a'],[2,'b'],[3,'c']]
df=pd.DataFrame(data,columns=['num','word'])
print(df)

使用ndarrays创建，ndarray长度必须相同，如果传递了index，索引长度应等于数组长度。没有传递索引，默认情况，索引将是range（n），n为数组长度：

import pandas as pd
data ={'num':[1,2,3],'word':['a','b','c']}
df=pd.DataFrame(data)
print(df)

使用字典创建：

import pandas as pd
data=[{'a':1,'b':2},{'a':3,'b':4,'c':5}]
df=pd.DataFrame(data)
print(df)

pandas可以使用loc属性返回指定行的数据，若未设置索引，第一行索引为0，以此类推：

import pandas as pd

data = {
    "num": [2, 3, 4],
    "pow": [4, 9, 16]
}
df = pd.DataFrame(data)
print(df)
# 返回第一行
print(df.loc[0])
# 返回第二行
print(df.loc[1])

也可以返回多行数据：

import pandas as pd
data = {
    "num": [2, 3, 4],
    "pow": [4, 9, 16]
}
df = pd.DataFrame(data)
print(df)
print("-----------")
print(df.loc[[0,1]])

 

 设置索引值返回：

import pandas as pd
data = {
    "num": [2, 3, 4],
    "pow": [4, 9, 16]
}
df = pd.DataFrame(data,index=['a','b','c'])
print(df)
print("-----------")
print(df.loc['a'])

 

CSV

定义：

Pandas 可以很方便的处理 CSV 文件：

test.csv数据源

import pandas as pd
df=pd.read_csv('test.csv')
print(df.to_string())

import pandas as pd
df=pd.read_csv('test.csv')
print(df)

不使用to_string()函数，则输出结果为数据的前面 5 行和末尾 5 行，中间部分以 ... 代替

 

 to_csv()将 DataFrame 存储为 csv 文件：

import pandas as pd
nm= ["zs", "ls", "ww", "zl"]
sx = ["man", "woman", "man", "woman"]
ag = [18,28 ,35 ,21 ]

# 字典
dict = {'name': nm, 'sex': sx, 'age': ag}

df = pd.DataFrame(dict)

# 保存 dataframe
df.to_csv('info.csv')

Head

head(n) 方法用于读取前面的 n 行，如果不填参数 n ，默认返回 5 行:

import pandas as pd

df = pd.read_csv('test.csv')
#不填参数默认五行
print(df.head())
#显示3行
print("--------")
print(df.head(3))

Tail

tail(n)方法用于读取尾部的 n 行，如果不填参数 n ，默认返回 5 行，空行各个字段的值为NaN：

import pandas as pd

df = pd.read_csv('test.csv')
#不填参数默认五行
print(df.tail())
#显示3行
print("--------")
print(df.tail(3))

Info

返回表格的一些基本信息

import pandas as pd

df = pd.read_csv('test.csv')
print(df.info())