10分钟入门pandas

最新推荐文章于 2024-06-11 20:22:42 发布

狮子HH

最新推荐文章于 2024-06-11 20:22:42 发布

阅读量5k

点赞数 1

分类专栏： python 文章标签： pandas dataframe series

本文链接：https://blog.csdn.net/yingyujianmo/article/details/51852280

版权

这篇博客介绍了pandas的基本操作，包括创建DataFrame、查看数据、选择数据、处理缺失值、运算、数据融合、分组、时间序列分析以及读写数据等。通过实例展示了如何使用pandas进行数据处理和分析，适合初学者入门。

摘要由CSDN通过智能技术生成

本文是对pandas的一个入门介绍，仅仅针对初学者。如果需要更详细的内容，请移步[Cookbook](http://pandas.pydata.org/pandas-docs/stable/cookbook.html#cookbook). 首先，导入所需要的python包：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

创建对象 ———– pandas中的数据结构包括Series、DataFrame、Panel、Pannel4D等，详细介绍移步[数据结构介绍](http://pandas.pydata.org/pandas-docs/stable/dsintro.html#dsintro). 常用的数据结构是前两个：Series和DataFrame。通过传入一个已有的python列表（list）对象来创建一个Series对象。

s = pd.Series([1,3,4,np.nan,6,8])

0 1.0 1 3.0 2 4.0 3 NaN 4 6.0 5 8.0 dtype: float64 通过传入一个numpy数组来构建一个DataFrame对象。使用时间序列作为每行的索引，并为每列数据分配一个列名。

dates = pd.date_range('20130101', periods=6)

dates

DatetimeIndex([‘2013-01-01’, ‘2013-01-02’, ‘2013-01-03’, ‘2013-01-04’, ‘2013-01-05’, ‘2013-01-06’], dtype=’datetime64[ns]’, freq=’D’)

# 创建DataFrame对象，并指定索引index和列名columns
df = pd.DataFrame(np.random.randn(6,4), index=dates, columns=list('ABCD'))

df

	A	B	C	D
2013-01-01	-0.285894	0.490011	0.171121	-1.549807
2013-01-02	-0.068377	-0.452804	-0.391892	-0.852520
2013-01-03	1.304388	-1.808484	-0.286489	-0.437457
2013-01-04	1.447812	-1.862121	0.115950	-0.664134
2013-01-05	0.520409	-1.402740	-0.356049	0.460950
2013-01-06	-0.404900	0.585420	-0.073923	-0.501197

通过传入一个python字典对象来创建一个DataFrame对象。

df2 = pd.DataFrame({
  'A': 1.,
                    'B': pd.Timestamp('20160102'),
                    'C': pd.Series(1,index=list(range(4)),dtype='float32'),
                    'D': np.array([3]*4, dtype='int32'),
                    'E': pd.Categorical(['test','train','test','train']),
                    'F': 'foo'})

df2

	A	B	C	D	E	F
0	1.0	2016-01-02	1.0	3	test	foo
1	1.0	2016-01-02	1.0	3	train	foo
2	1.0	2016-01-02	1.0	3	test	foo
3	1.0	2016-01-02	1.0	3	train	foo

# DataFrame 中每列的数据类型可以不同
df2.dtypes

A           float64
B    datetime64[ns]
C           float32
D             int32
E          category
F            object
dtype: object

在ipython中可以使用“Tab”键对DataFrame的列名和公共属性进行自动补全。

查看对象中的数据

查看DataFrame的前几行或最后几行

df.head()

	A	B	C	D
2013-01-01	-0.285894	0.490011	0.171121	-1.549807
2013-01-02	-0.068377	-0.452804	-0.391892	-0.852520
2013-01-03	1.304388	-1.808484	-0.286489	-0.437457
2013-01-04	1.447812	-1.862121	0.115950	-0.664134
2013-01-05	0.520409	-1.402740	-0.356049	0.460950

df.tail()

	A	B	C	D
2013-01-02	-0.068377	-0.452804	-0.391892	-0.852520
2013-01-03	1.304388	-1.808484	-0.286489	-0.437457
2013-01-04	1.447812	-1.862121	0.115950	-0.664134
2013-01-05	0.520409	-1.402740	-0.356049	0.460950
2013-01-06	-0.404900	0.585420	-0.073923	-0.501197

df.head(3)

	A	B	C	D
2013-01-01	-0.285894	0.490011	0.171121	-1.549807
2013-01-02	-0.068377	-0.452804	-0.391892	-0.852520
2013-01-03	1.304388	-1.808484	-0.286489	-0.437457

获取DataFrame的索引、列名、数据（值）。

df.index

DatetimeIndex(['2013-01-01', '2013-01-02', '2013-01-03', '2013-01-04',
               '2013-01-05', '2013-01-06'],
              dtype='datetime64[ns]', freq='D')

df.columns

Index([u'A', u'B', u'C', u'D'], dtype='object')

df.values

array([[-0.28589413,  0.49001051,  0.17112101, -1.54980655],
       [-0.06837701, -0.45280422, -0.39189213, -0.85252018],
       [ 1.30438846, -1.80848416, -0.28648908, -0.43745725],
       [ 1.44781215, -1.86212061,  0.11594994, -0.66413402],
       [ 0.5204089 , -1.4027399 , -0.35604882,  0.4609499 ],
       [-0.40489995,  0.58541997, -0.07392295, -0.5011969 ]])

使用“describe”获取数据的统计信息。

df.describe()

	A	B	C	D
count	6.000000	6.000000	6.000000	6.000000
mean	0.418906	-0.741786	-0.136880	-0.590694
std	0.808192	1.112849	0.244213	0.652884
min	-0.404900	-1.862121	-0.391892	-1.549807
25%	-0.231515	-1.707048	-0.338659	-0.805424
50%	0.226016	-0.927772	-0.180206	-0.582665
75%	1.108394	0.254307	0.068482	-0.453392
max	1.447812	0.585420	0.171121	0.460950

将DataFrame进行转置。

df.T

	2013-01-01 00:00:00	2013-01-02 00:00:00	2013-01-03 00:00:00	2013-01-04 00:00:00	2013-01-05 00:00:00	2013-01-06 00:00:00
A	-0.285894	-0.068377	1.304388	1.447812	0.520409	-0.404900
B	0.490011	-0.452804	-1.808484	-1.862121	-1.402740	0.585420
C	0.171121	-0.391892	-0.286489	0.115950	-0.356049	-0.073923
D	-1.549807	-0.852520	-0.437457	-0.664134	0.460950	-0.501197

df

	A	B	C	D
2013-01-01	-0.285894	0.490011	0.171121	-1.549807
2013-01-02	-0.068377	-0.452804	-0.391892	-0.852520
2013-01-03	1.304388	-1.808484	-0.286489	-0.437457
2013-01-04	1.447812	-1.862121	0.115950	-0.664134
2013-01-05	0.520409	-1.402740	-0.356049	0.460950
2013-01-06	-0.404900	0.585420	-0.073923	-0.501197

对坐标轴进行排序。

df.sort_index(axis=1, ascending=False)

	D	C	B	A
2013-01-01	-1.549807	0.171121	0.490011	-0.285894
2013-01-02	-0.852520	-0.391892	-0.452804	-0.068377
2013-01-03	-0.437457	-0.286489	-1.808484	1.304388
2013-01-04	-0.664134	0.115950	-1.862121	1.447812
2013-01-05	0.460950	-0.356049	-1.402740	0.520409
2013-01-06	-0.501197	-0.073923	0.585420	-0.404900

df.sort_index(axis=0, ascending=False)

	A	B	C	D
2013-01-06	-0.404900	0.585420	-0.073923	-0.501197
2013-01-05	0.520409	-1.402740	-0.356049	0.460950
2013-01-04	1.447812	-1.862121	0.115950	-0.664134
2013-01-03	1.304388	-1.808484	-0.286489	-0.437457
2013-01-02	-0.068377	-0.452804	-0.391892	-0.852520
2013-01-01	-0.285894	0.490011	0.171121	-1.549807

对值进行排序。

df.sort_values(by='B')

	A	B	C	D
2013-01-04	1.447812	-1.862121	0.115950	-0.664134
2013-01-03	1.304388	-1.808484	-0.286489	-0.437457
2013-01-05	0.520409	-1.402740	-0.356049	0.460950
2013-01-02	-0.068377	-0.452804	-0.391892	-0.852520
2013-01-01	-0.285894	0.490011	0.171121	-1.549807
2013-01-06	-0.404900	0.585420	-0.073923	-0.501197

df.sort_values(by='B',ascending=False)

	A	B	C	D
2013-01-06	-0.404900	0.585420	-0.073923	-0.501197
2013-01-01	-0.285894	0.490011	0.171121	-1.549807
2013-01-02	-0.068377	-0.452804	-0.391892	-0.852520
2013-01-05	0.520409	-1.402740	-0.356049	0.460950
2013-01-03	1.304388	-1.808484	-0.286489	-0.437457
2013-01-04	1.447812	-1.862121	0.115950	-0.664134

选择数据

pandas中对数据的选择可以使用标准的python/numpy方式。

df['A']

2013-01-01   -0.285894
2013-01-02   -0.068377
2013-01-03    1.304388
2013-01-04    1.447812
2013-01-05    0.520409
2013-01-06   -0.404900
Freq: D, Name: A, dtype: float64

# 选择一个单独的列，将产生一个Series，此时df['A']等价于df.A
df.A

2013-01-01   -0.285894
2013-01-02   -0.068377
2013-01-03    1.304388
2013-01-04    1.447812
2013-01-05    0.520409
2013-01-06   -0.404900
Freq: D, Name: A, dtype: float64

对行进行切片操作。

df[0:3]

	A	B	C	D
2013-01-01	-0.285894	0.490011	0.171121	-1.549807
2013-01-02	-0.068377	-0.452804	-0.391892	-0.852520
2013-01-03	1.304388	-1.808484	-0.286489	-0.437457

df['20130103':

最低0.47元/天解锁文章

狮子HH

关注

1
点赞
踩
11

收藏

觉得还不错? 一键收藏
0
评论
10分钟入门pandas

10分钟入门pandas本文是对pandas的一个入门介绍，仅仅针对初学者。如果需要更详细的内容，请移步Cookbook.首先，导入所需要的python包：import pandas as pdimport numpy as npimport matplotlib.pyplot as plt创建对象————————–pandas中的数据结构包括Series、DataFrame、Panel、P
复制链接

扫一扫

专栏目录