Python中的pandas模块进行数据分析。
接下来pandas介绍中将学习到如下8块内容:
1、数据结构简介:DataFrame和Series
2、数据索引index
3、利用pandas查询数据
4、利用pandas的DataFrames进行统计分析
5、利用pandas实现SQL操作
6、利用pandas进行缺失值的处理
7、利用pandas实现Excel的数据透视表功能
8、多层索引的使用
一、数据结构介绍
在pandas中有两类非常重要的数据结构,即序列Series和数据框DataFrame。Series类似于numpy中的一维数组,除了通吃一维数组可用的函数或方法,而且其可通过索引标签的方式获取数据,还具有索引的自动对齐功能;DataFrame类似于numpy中的二维数组,同样可以通用numpy数组的函数和方法,而且还具有其他灵活应用,后续会介绍到。
1、Series的创建
序列的创建主要有三种方式:
1)通过一维数组创建序列
-
import numpy as np, pandas as pd
-
arr1 = np.arange(10)
-
arr1
-
type(arr1)
-
s1 = pd.Series(arr1)
-
s1
-
type(s1)
2)通过字典的方式创建序列
-
dic1 = {'a':10,'b':20,'c':30,'d':40,'e':50}
-
dic1
-
type(dic1)
-
s2 = pd.Series(dic1)
-
s2
-
type(s2)
3)通过DataFrame中的某一行或某一列创建序列
这部分内容我们放在后面讲,因为下面就开始将DataFrame的创建。
2、DataFrame的创建
数据框的创建主要有三种方式:
1)通过二维数组创建数据框
-
arr2 = np.array(np.arange(12)).reshape(4,3)
-
arr2
-
type(arr2)
-
df1 = pd.DataFrame(arr2)
-
df1
-
type(df1)
2)通过字典的方式创建数据框
以下以两种字典来创建数据框,一个是字典列表,一个是嵌套字典。
-
dic2 = {'a':[1