Pandas入门pythonSmallJ的博客-

5-1 Pandas介绍与安装

为什么会有Pandas

​ Pandas支持大部分Numpy语言风格，尤其是数组函数与广播机制的各种数据处理。单是Numpy更适合处理同质型的数据。而Pandas的设计就是用来处理表格型或异性数据的，高效的清洗、处理数据。

Pandas是什么？

​ Pandas是基于Numpy的一种工具，提供高性能矩阵的运算，该工具是为了解决数据分析任何而创建的。也是贯穿整个Python数据分析非常核心的工具

安装Pandas

pip install Pandas

Pandas涉及内容

​ Pandas基础 、数据清洗与准备、数据聚合与分组、时间序列

5-2 Pandas数据结构介绍

Series介绍

​ Series是一种一维数组对象，它包含了一个值序列(value) ,并且包含了数据标签，称之为索引 (index)

Series创建

pd.Series(data=None,index=None,dtype=None,name=None,copy=False)

• data : 创建数组的数据，可为array、like、dict、or scalar value
• index : 指定索引
• dtype : 数组数据类型
• name : 数组名称
• copy : 是否拷贝

Pandas数组函数

In [15]: # 指定索引序列  In [16]: series = pd.Series(np.arange(4),index=['a','b','c','d'])  In [17]: series Out[17]: a    0 b    1 c    2 d    3 dtype: int32  In [18]: # 指定索引的名字  In [19]: series = pd.Series(np.arange(4),index=['a','b','c','d'],name='SmallJ')  In [20]: series Out[20]: a    0 b    1 c    2 d    3 Name: SmallJ, dtype: int32  In [21]: # 默认返回int32,可指定其他类型  In [23]: series = pd.Series(np.arange(4),index=['a','b','c','d'],name='SmallJ',dtype='int64')  In [24]: series Out[24]: a    0 b    1 c    2 d    3 Name: SmallJ, dtype: int64 

In [29]: import numpy as np  In [30]: import pandas as pd  In [31]: series = pd.Series(np.arange(10),name='SmallJ')  In [32]: series Out[32]: 0 0 1 1 2 2 3 3 4 4 5 5 6 6 7 7 8 8 9 9 Name: SmallJ, dtype: int32  In [33]: # 前面为索引后面为值  In [34]: series.dtype Out[34]: dtype('int32')  In [35]: # 查看数据类型  In [36]: series.dtype Out[36]: dtype('int32')  In [37]: # 修改数据类型  In [38]: series.astype('float64') Out[38]: 0 0.0 1 1.0 2 2.0 3 3.0 4 4.0 5 5.0 6 6.0 7 7.0 8 8.0 9 9.0 Name: SmallJ, dtype: float64  In [39]: # 预览从头开始的数据  (括号内填指定的数据)  In [40]: series.head(5) Out[40]: 0 0 1 1 2 2 3 3 4 4 Name: SmallJ, dtype: int32  In [41]: series.head(6) Out[41]: 0 0 1 1 2 2 3 3 4 4 5 5 Name: SmallJ, dtype: int32  In [42]: # 预览最后的数据   (括号填指定的数据)  In [43]: series.tail(5) Out[43]: 5 5 6 6 7 7 8 8 9 9 Name: SmallJ, dtype: int32 

Series的索引与值

• series.index
  • 查看索引
• series.values
  • 查看值序列
• series.reset_index(drop=False)
  • 重置索引
  • drop 是否删除原索引 默认为否

In [89]: import pandas as pd  In [90]: import numpy as np  In [91]: series = pd.Series(data=np.arange(5),index=['a','b','c','d','e'])  In [92]: series Out[92]: a    0 b    1 c    2 d    3 e    4 dtype: int32  In [93]: # 查看索引  In [94]: series.index Out[94]: Index(['a', 'b', 'c', 'd', 'e'], dtype='object')  In [95]: series.values Out[95]: array([0, 1, 2, 3, 4])  In [96]: series.reset_index() Out[96]:   index  0 0     a  0 1     b  1 2     c  2 3     d  3 4     e  4  In [98]: series Out[98]: a    0 b    1 c    2 d    3 e    4 dtype: int32  In [99]: # 查看值序列  In [100]: series.values Out[100]: array([0, 1, 2, 3, 4])  In [101]: # 当drop中的值为True的时候将采用删除原索引,并不会对原数据进行修改，需要复制  In [102]: series = series.reset_index(drop=True) In [103]: series Out[103]: 0 0 1 1 2 2 3 3 4 4 dtype: int32  

Series索引与切片

• series.[‘标签索引’]
  • 通过标签索引来取值
• series[‘索引’]
  • 通过下标索引来取值
• series.loc(标签索引)
  • 通过标签索引来取值
• series.iloc(索引)
  • 通过索引

In [115]: # 通过标签来取值  In [116]: series.loc['b'] Out[116]: 1  In [117]: # 通过索引下标来取值  In [118]: series.iloc[1] Out[118]: 1 

采用神奇索引

In [139]: series Out[139]: a     0 b     1 c    10 d     3 e    22 dtype: int32 

In [141]: # 采用标签来取值  In [142]: series[['a','e']] Out[142]: a     0 e    22 dtype: int32  In [143]: # 采用索引取值  In [144]: series[[0,-1]] Out[144]: a     0 e    22 dtype: int32 

Series修改值

In [122]: series Out[122]: a    0 b    1 c    2 d    3 e    4 dtype: int32 

通过索引来修改值

series.iloc[2] = 10

通过标签来修改值

series.loc['e'] = 22

In [139]: series Out[139]: a     0 b     1 c    10 d     3 e    22 dtype: int32 

判断值是否存在

• in 并不是判断值，而是根据标签索引来判断

Series运算

• 共同索引对应运算，其他值填充为NaN
• Pandas会自动帮我们进行数据转换，当我们的数据类型为None时，会把数据替换为NaN
• 当没用通过索引的时候，将全部变为NaN
• NaN与任何值计算都是NaN

In [148]: data = pd.Series(data=[1,2,3,4,None],index=['a','b','c','d','e'])  In [149]: data Out[149]: a    1.0 b    2.0 c    3.0 d    4.0 e    NaN dtype: float64 

当进行对应标签索引进行相加的时候

In [148]: data = pd.Series(data=[1,2,3,4,None],index=['a','b','c','d','e'])  In [149]: data Out[149]: a    1.0 b    2.0 c    3.0 d    4.0 e    NaN dtype: float64  In [150]: data1 = pd.Series(data=[1,2,3,4,None],index=['a','b','c','d','e'])  In [151]: data1 Out[151]: a    1.0 b    2.0 c    3.0 d    4.0 e    NaN dtype: float64  In [152]: data + data1 Out[152]: a    2.0 b    4.0 c    6.0 d    8.0 e    NaN dtype: float64 

当对应的标签索引位置进行相加时

• 当对应是索引的位置没有数值时，显示的数值为NaN

In [148]: data = pd.Series(data=[1,2,3,4,None],index=['a','b','c','d','e']) In [153]: data2 = pd.Series(data=[1,2,3],index=['a','b','c']) In [156]: data           Out[156]:                a    1.0                 b    2.0                 c    3.0                 d    4.0                 e    NaN                 dtype: float64                                    In [157]: data2          Out[157]:                a    1                   b    2                   c    3                   dtype: int64                                      In [158]: data + data2   Out[158]:                a    2.0                 b    4.0                 c    6.0                 d    NaN                 e    NaN                 dtype: float64           

当不对应的索引标签进行相加的时候

• 当对应的索引标签不相同的时，显示的全部结果为NaN

In [161]: data2 = pd.Series(data=[1,2,3],index=['a','b','c'])  In [162]: data3 = pd.Series(data=[1,2,3,4],index=['d','e','f','g'])  In [163]: data2 Out[163]: a    1 b    2 c    3 dtype: int64  In [164]: data3 Out[164]: d    1 e    2 f    3 g    4 dtype: int64  In [165]: data2 + data3 Out[165]: a   NaN b   NaN c   NaN d   NaN e   NaN f   NaN g   NaN dtype: float64