pandas

Python库-Pandas基础应用

前言

Pandas是属于Python的，主要用于数据分析的库。Pandas的应用十分广泛，不管是机器学习，还是大数据分析、数据挖掘，只要是涉及数据，Pandas的使用几乎是绕不开的。

而学习Python的小伙伴们应该都有所了解，Python应用最广泛的领域无非就是AI，数据处理这些，因此，学会处理数据的利器——Pandas就更是有必要了。

本篇文章主要涉及Pandas的最基础应用，主要目的在于帮助初学者解惑，并且帮助掌握一定程度的朋友做查询之用。因此，本篇文章会做到把各个点清晰分开，主要以提供相关操作所需的代码为主，少量个人见解为辅。

本文将主要讲解以下有关Pandas的点:

• Pandas基础操作
• 索引初阶操作
• Groupby操作
• 数值运算

基础操作

导入

import pandas as pd

导入Pandas，并以pd来指代它。

读取数据

Pandas可以从不同后缀名的文件中读取数据，但最常用的还是从csv文件中读取数据，以下是利用Pandas读取数据的代码。

df = pd.read_csv('./temps.csv')

这里要切记的就是pd.read_csv和文件后缀名的csv不可遗漏。该行代码的意思就是:将与本Python相同路径下的、名叫temps.csv的文件里的数据导入，储存到df中。

DataFrame基本信息

就像numpy有ndarray格式，pytorch有torch格式，DataFrame是属于Pandas的格式，这里暂时不需要理解它们究竟有什么区别，只需要知道要想执行Pandas的操作必须要用Pandas的格式。

数据显示

以下是导入后的DataFrame数据的格式

我们可以看到，导入的数据足足三百多行，我们肯定是不需要直接看完这多行数据的，因此将数据导进来后，可以选择只观看几行。

df.head(10)

该代码的意思是:只显示前十行的数据，不加参数时默认是5。

索引

df.index #返回行的索引

列名

df.columns #返回列名

全部基本信息

df.info()

这里可以看到df里数据的几乎一切基本信息，从之前的行数、列名、索引，包括之前没提到的一些信息也有，像数据类型等等。

也可以像下面这样

df.describe()

而里面的max，min这些数值，也可以使用df.max()等函数单独调出来。

一般默认是一列之中的数在一起比较，但可以通过指定axis的方式来改变。

转换为ndarray格式

df = df.values

经过这行代码后，df就不再是DataFrame格式，而是ndarray格式。

因为很多计算都是通过numpy来进行的，所以将导入的数据转换为ndarray格式是必不可少的一步。

DataFrame基本操作

创建DataFrame结构

创建DataFrame结构的方式有以下两种：

①

data = pd.DataFrame({'name':['Zhangsan','Lisi','Luowu'],'age':[34,32,28]})

②

data = [[1,2,3],[4,5,6]]
index = ['a','b']
columns = ['A','B','C']
df = pd.DataFrame(data=data,index=index,columns=columns)

创建DataFrame结构要用到pd.DataFrame函数。上面两种方法里，第一种是往函数里传入一个字典结构，字典的key会成为DataFrame结构的列名，value则会成为这一列上的数据。

而第二种方法则是分别设定好每一行的索引、每行的元素、列名。这里的索引不是数字，而是使用字符来代替。

Series结构

取出DataFrame的一列或一行，就是Series结构。

df_series = df['A']

这里的’A’是列名，会把’A’这一列的元素赋给变量df_series。Series结构具有DataFrame的功能。

如果想调出多个列得数据的话，可以执行以下操作：

df_series = df[['A','B']]

这里要注意的就是别漏了中括号。

运算操作

Pandas里的运算和numpy运算的用法并没有太大差别，它们同样都可以运用广播。

df = df + 1
df = df*2
df = df/2

以上操作都会同时作用到每一个元素。

索引

数字索引

DataFrame的索引一般为从0开始的数字，每一行从上往下索引不断增大。

想要通过索引调出某一行的数据，并不能直接输入索引数字，否则会报错。

想要通过数字索引调出数据的方法有以下两种：

• 利用切片
• 使用iloc

这里虽然显示得不一样，但它们储存的是同样的数据，而且格式也都是一样的。

字母索引

data = [[1,2,3],[4,5,6]]
index = ['a','b']
columns = ['A','B','C']
df = pd.DataFrame(data=data,index=index,columns=columns)

用该方法创建出来的df就是以字母为索引。但是字母索引并不能直接使用。

如果要使用字母索引，必须要使用loc。

df.loc['a']

修改索引

可以直接修改索引的名称

df.index = ['red','blue']

也可以直接把索引给全部换了

df_index = df.set_index('A')

这样的话‘A’列下的元素就会成为每一行的索引，使用df_index.loc[]的方法就可以调用每一行的数据。

groupby操作

groupby是将某一列中相同的元素进行分组，然后可以进行求和、求均值等操作。