【小白python数据入门5Pandas基础运用】

目录

1.课前准备：

2.Pandas库分为哪些？

3.Series and DataFrame：

3.1创建Series对象：

3.2创建values方法：

3.3创建index方法：

3.4数据类型转换：

3.5 Series索引：

3.6 字典创建Series数据 可以无序，可指定索引排序：

3.7创建DataFrame对象

3.7索引切片

4.运算 pandas 基于Numpy库的，所以Series 数据运算操作保留了Numpy运算操作（算术运算，逻辑运算）

4.1绝对值计算

5.统计

5.1 去重

5.2 统计次数

5.3 判断存在

6.DataFrame的索引,pandas.Date(data,[index],[columns]),index行，columns列

6.1.使用字典的数据创建DataFrame数据。

6.2 使用嵌套字典的数据创建DataFrame数据

6.3 使用二维数组生成DataFrame对象

6.4 使用Series组成的字典创建DataFrame对象

6.5 利用values值获取所有的元素

6.6 选取一行元素，选取一列元素

6.7  获取多行元素

6.8  获取多行元素.获取任意一个元素或一个范围内的元素

6.9   条件选取元素

---

1.课前准备：

（1）python可视化免费软件(官网：Project Jupyter | Home)：

        Jupyter Notebook (anaconda)

（2）  会动的脑袋瓜子

（3）本篇阅读完有啥不理解的可以在评论区留言哈。

2.Pandas库分为哪些？

​

导入包句：

引入pandas包：
     import pandas as pd
引入Series和DataFrame：
      from pandas import Series, DataFrame   

3.Series and DataFrame：

Series为一维数组，它由一组有序的数据以及与之相关的索引标签组成。

创建Series的方式很灵活。可以直接通过一个数据列表来创建，此时默认索引为整数序列；也可以在创建时提供一个索引列表，这样每个数据点会与指定的索引关联起来；还可以通过字典来创建Series，此时字典的键会成为索引，值会成为数据点。

DataFrame是库中的二维数据结构，尺寸是可变的，这意味着可以动态地添加或删除行和列；可以包含不同类型的数据，例如数值、字符串或布尔值；列是有序的；拥有行索引和列索引；可以将DataFrame理解为一个存放Series对象的容器，每个Series对应DataFrame中的一列。

3.1创建Series对象：

创建一个Series对象，并将其赋值给变量obj。Series对象是一个一维数组，可以存储不同类型的数据。在这个例子中，Series对象包含了四个元素：1、-2、3和-4

from pandas import Series,DataFrame
obj = Series([1,-2,3,-4])
obj

3.2创建values方法：

values是一个用于获取对象中所有属性值的方法：

obj.values

3.3创建index方法：

index是一个用于获取对象中某个属性值的索引的方法：

obj.index

3.4数据类型转换：

1. import numpy as np：导入numpy库并将其重命名为np，以便后续使用。
2. arr1 = np.arange(3)：使用numpy的arange函数创建一个包含从0到2的整数的数组，并将其赋值给变量arr1。
3. s1 = arr1.astype(np.int64)：将arr1的数据类型转换为int64(原为Int32)，并将结果存储在变量s1中。
4. print(s1)：打印s1的值。

arr1 = np.arange(3)
s1 = arr1.astype(np.int64)
print(s1)
obj

3.5 Series索引：

1. 创建一个名为obj2的Series对象。Series是pandas库中的一种数据结构，用于存储一维的数据序列。这里通过传递一个列表[1, 2, 3, -4]作为数据，以及一个索引列表['a', 'b', 'c', 'c']来指定每个数据对应的标签。

2. 由于obj2是一个Series对象，所以它会以表格的形式显示数据和索引。

3. obj2.values返回一个包含Series对象中所有数据的NumPy数组。

4. obj2.index返回一个包含Series对象中所有索引的Index对象。

obj2=Series([1,2,3,-4],index=['a','b','c','c'])
print("1.\n",obj2)
print("2.",obj2.values)
print("3.",obj2.index)

3.6 字典创建Series数据 可以无序，可指定索引排序：

案例1：

1. 这是一个字典（dictionary）类型的数据，其中键（key）表示姓名，值（value）表示对应的分数。

2. 将字典data作为参数传递给Series()函数，创建了一个名为obj3的Series对象。Series是pandas库中的一种数据结构，用于存储一维的数据序列。

3. 创建一个列表name，包含了四个人的姓名。

4. 创建一个新的Series对象obj4，并将字典data作为数据源，同时指定了索引为name列表。这样，每个数据项都会根据name列表中的顺序进行排列。

data = {
    '张三':92,
    '李四':78,
    '王五': 68,
    '小米':82
}
obj3 = Series(data)

name = ['张三','李四','王五','小米']
obj4 = Series(data,index = name)
obj4

3.7创建DataFrame对象：

案例1：

1. 创建一个为obj3的DataFrame对象
2. 获取DataFrame的索引和值
3. 创建一个新的obj4的DataFrame，
4. 设置其名称和索引名称
5. 打印输出

obj3 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})

index_obj3 = obj3.index
values_obj3 = obj3.values

obj4 = pd.DataFrame(values_obj3, columns=['A', 'B'], index=index_obj3)

obj4.name = 'students'
obj4.index.name = 'math'

print(obj4)