python——pandas基础

参考:

• 实验楼:https://www.shiyanlou.com/courses/1091/learning/?id=6138
• 《利用python进行数据分析》

1. pandas简介

• Pandas 是基于 NumPy 的一种数据处理工具，该工具为了解决数据分析任务而创建。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的函数和方法。
• Pandas 的数据结构：Pandas 主要有 Series（一维数组），DataFrame（二维数组），Panel（三维数组），Panel4D（四维数组），PanelND（更多维数组）等数据结构。其中 Series 和 DataFrame 应用的最为广泛。
• Pandas经常和NumPy、SciPy、matplotlib工具一同使用。

　　  2. Series

　　　　2.1 何谓Series

• Series是一种一维的数组型对象，它包含一个值序列（与NumPy类似）和相应的数据标签（索引(index)）。

　　　　2.2 Series的创建方法　　

• 通过list创建

import pandas as pd

obj = pd.Series(list(''))

• 通过ndarray创建

import numpy as np

arr = np.random.randn(5)

obj = pd.Series(arr)

• 通过dict创建

dic = {'a':1,'b':2,'c':3,'d':4}

obj = pd.Series(dic) #当把字典传入Series构造时，产生的Series的索引将是排序好的字典的键(key)

　　　　2.3 Series基本操作

• 自定义Series索引

index = [1,2,3,4] #自定义索引
obj = pd.Series(list('abcd'), index=index)

• 修改Series索引

obj.index = ['A','B','C','D']

• 通过index修改指定元素

obj[1] = 'A'  #1是指索引，而不是切片，如果索引是字符串要记得加引号,如obj['a'] = A

• 通过指定index删除元素

obj = pd.Series([1,2,3,4], index=list('abcd'))

obj.drop('a')

• Series拼接

obj1 = pd.Series([1,2,3,4], index=list('abcd'))

obj2 = pd.Series([5,6,7,8], index=list('ABCD'))

obj3 = obj2.append(obj1) #将obj1拼接到obj2后

• Series查找元素

obj_find = obj1['a']

• Series切片操作

obj_slice = obj1[:3]   #提取obj1前三个元素

• Series的name属性：Series对象自身和index均有name属性

>>>obj1.name = 'Series'

>>>obj1.index.name = 'obj1_index'
>>>obj1

obj1_index
a 1
b 2
c 3
d 4
Name: Series, dtype: int64

• NaN值检查

pd.isnull(obj1)  #值为空则显示True，反之False

pd.notnull(obj1) #与isnull结果相反

#实例方法
obj1.isnull()
obj1.notnull()

• Series运算

#加法

obj1.add(obj2) #Series 的加法运算是按照索引计算，如果索引不同则填充为 `NaN`

#减法

obj1.sub(obj2) #Series的减法运算是按照索引对应计算，如果不同则填充为 `NaN`

#乘法

obj1.mul(obj2) #Series 的乘法运算是按照索引对应计算，如果索引不同则填充为 `NaN`

#除法

obj1.div(obj2) #Series 的除法运算是按照索引对应计算，如果索引不同则填充为 `NaN`

#中位数

obj1.median()

#求和

obj1.sum()

#最大值

obj1.max()

#最小值

obj1.min()

　　3.DataFrame

　　　　3.1  DataFrame简介

• DataFrame表示的是矩阵数据表，包含以排序的列集合，每一列可以是不同类型（数值，字符串，布尔值等）。DataFrame既有行索引（index）右有列索引（columns）。DataFrame可视为一个共享相同索引的Series字典。

　　　　3.2 创建DataFrame的部分方法

• 通过包含等长度列表创建

index = pd.date_range('today', periods=7) #定义时间序列作为index

columns = list('ABCDE') #定义列索引columns

arr = np.random.randn(7,5)

df = pd.DataFrame(arr, index=index, columns=columns)

df

• 通过字典数组创建

data = {'name': ['Bob', 'Howie', 'Davie', 'Lisa', 'John', 'June'],

        'age': [20, 21, 22, 23, 24, 25],

        'gender': ['boy', 'boy', 'boy', 'girl', 'boy', 'girl']}

index = list(range(1,7))

df = pd.DataFrame(data, index=index)

df

　　　　3.3 DataFrame基本操作

• 查看DataFrame数据类型

df.dtypes

• 预览DataFrame数据前X行，对于数据量特别大时很有帮助

df.head() #默认为前5行

• 预览DataFrame数据后X行

df.tail()  #默认为后5行

• 查看DataFrame数据的行和列索引

df.index #行索引

df.columns #列索引

• 查看DataFrame数据的数值

df.values

• 查看DataFrame数据的统计数据

df.describe()

• DataFrame的name属性

df.index.name = 'df_index_name'  #设置index名称

df.columns.name = 'de_columns_name' #设置columns名称

• DataFrame转置

df.T

• 按列排序

df.sort_values(by='age')  #指定按 age大小进行排序,默认为升序

df.sort_values(by='age', ascending='False') #按age降序排列

• DataFrame切片，行级

df[1:4]  #选取前3行元素

• DataFrame通过列标签查询，列级

df['age']
df.age  #两者等价

#多列查询
df[['name', 'age']]  #注意放在一个list中

• 对DataFrame通过iloc(整数标签)位置查询

df.iloc[1:3,1:2]  #查询2.3行的第2列，注意和行查询有所不同，iloc前不包含，后包含.df[1:3]查询1.2行

• DataFrame特殊属性loc(轴标签)选取，列级

df.loc[1]  #注意1代表index值，如果是字符需要加引号，如df.loc['one']

• 重新给某一列赋值

df['age'] = range(30,36) #将年龄改为30-35
df

• 35. DataFrame 副本拷贝

df_copy = df.copy()

• 删除DataFrame的某一列，列级

del df_copy['name']

• 删除DataFrame行或列元素，可指定

#根据列删除

df_copy.drop(['gender', 'age'], axis=1) #同时删除gender和age列，axis=1代表按列处理

#根据行删除

df_copy.drop([1,2,3], axis=0) #同时删除第1.2.3行数据，axis=0代表按行处理

• 添加新的一列，列级

df['city'] = ['Beijing', 'Shanghai', 'Shenzhen', 'Guangzhou', 'Chengdu', 'HongKong']  #注意添加的列的行数要与原数据行数一致
df

• 修改某一个数据

df[1, 'age'] = 18  #修改第index为1，column为'age'的值为18

• DataFrame运算

#求指定列的平均数

df['age'].mean()

#求指定列的和

df['age'].sum()

#求指定列的最大最小值

df['age'].max()

df['age'].min()

• 缺失值操作

#对缺失值进行填充

df.fillna(value=1)

#删除存在缺失值的行

df.dropna('how'=any, axis=0)  #只要某行有nan值即删除

df.dropna('how'=all, axis=0)   #只有当某一行均为nan值时才删除此行

• DataFrame 按指定列对齐

left = pd.DataFrame({'key': ['foo1', 'foo2'], 'one': [1, 2]})

right = pd.DataFrame({'key': ['foo2', 'foo3'], 'two': [4, 5]})

print(left)

print(right)

# 按照 key 列对齐连接，只存在 foo2 相同，所以最后变成一行

pd.merge(left, right, on='key')

• DataFrame文件操作

#CSV文件写入

df.to_csv('df.csv')

print('写入成功')

#CSV文件读取

df_csv_read = pd.read_csv('df.csv')

#Excel文件写入

df.to_excel('df.xlsx', sheet_name='Sheet1')

#Excel文件读取

df_excel_read = pd.read_excel('df.xlsx', 'Sheet1', index_col=None, na_values=['NA'])

2019-08-03

00:28:11