欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

python数据分析复盘——数据分析相关库之Pandas

程序员文章站 2024-03-07 21:23:15
...

1.Pandas 简介

1.1 pandas是什么

  • Pandas是Python第三方库,提供高性能易用数据类型和分析工具
  • Pandas基于NumPy实现 ,常与NumPy和Matplotlib一同使用

1.2 pandas vs numpy

python数据分析复盘——数据分析相关库之Pandas

2.Pandas库的Series类型


2.1 Series的结构

#多维一列,形式是:索引+值。(省略index会自动生成,从0开始)

>>> pd.Series([1,2,3,4,5],index=['a','b','c','d','e'])
a    1
b    2
c    3
d    4
e    5
dtype: int64

2.2 Series的创建

Series类型可以由如下类型创建:

  • Python列表
  • 标量值
  • Python字典
  • ndarray
  • 其他函数,range()等
#标量值
>>> pd.Series(5)
0    5
dtype: int64

#标量值+index 结果会根据索引重新排序
pd.Series(5,index=['a','v','c','d','e'])
a    5
v    5
c    5
d    5
e    5
dtype: int64

#字典
>>> pd.Series({'a':999,'v':888,'c':756,'d':7,'e':437})
a    999
c    756
d      7
e    437
v    888
dtype: int64

#字典+index
>>>pd.Series({'a':999,'v':888,'c':756,'d':7,'e':437},index=['a','v'])
a    999
v    888
dtype: int64

#用ndarray创建
>>> pd.Series(np.arange(5),index=np.arange(14,9,-1))
14    0
13    1
12    2
11    3
10    4
dtype: int32

Seriesd的创建总结:

  • Series类型可以由如下类型创建:
  • Python列表,index与列表元素个数一致
  • 标量值,index表达Series类型的尺寸
  • Python字典,键值对中的“键”是索引,index从字典中进行选择操作
  • ndarray,索引和数据都可以通过ndarray类型创建
  • 其他函数,range()函数等

2.3 Series基本操作

  • Series类型包括index和values两部分
  • Series类型的操作类似ndarray类型
  • Series类型的操作类似Python字典类型

(1)Series基本操作

#Series基本操作
>>>a=pd.Series({'a':1,'v':2,'c':3,'d':4,'e':5})
>>> a.index
Index(['a', 'c', 'd', 'e', 'v'], dtype='object')
>>> a.values
array([1, 3, 4, 5, 2], dtype=int64)

#两套索引并存,但不能混用

>>> a[['a','v']]
a    1
v    2
dtype: int64
>>> a[[0,4]]
a    1
v    2
dtype: int64

#混用,以靠前的为准
>>> a[['a',4]]
a    1.0
4    NaN
dtype: float64

(2)Series类型的操作类似ndarray类型:

  • 索引方法相同,采用 [ ]
  • 可以通过自定义索引的列表进行切片
  • 可以通过自动索引进行切片,如果存在自定义索引,则一同被切片
#采用 []切片 
>>> a=pd.Series({'a':1,'v':2,'c':3,'d':4,'e':5})
>>> a[:3]
a    1
c    3
d    4
dtype: int64
#在索引前进行运算
>>> a[a>a.median()]
d    4
e    5
dtype: int64

#以自然常数e为底的指数函数
>>> np.exp(a)
a      2.718282
c     20.085537
d     54.598150
e    148.413159
v      7.389056
dtype: float64

(3)Series类型的操作(类似Python)

  • 通过自定义索引访问
  • 保留字in操作
  • 使用.get()方法
#保留字in
>>> a=pd.Series({'a':1,'v':2,'c':3,'d':4,'e':5})
>>> 'a' in a 
True
>>> 'v' in a
True
#只匹配索引
>>> 1 in a
False

2.4 Series对齐操作

#Series类型在运算中会自动对齐不同索引的数据.(即对不齐,就当缺失项处理)
>>> a=pd.Series({'a':1,'v':2,'c':3,'d':4,'e':5})
>>> b=pd.Series({'a':1,'b':2,'c':3,'d':4,'e':5})
>>> a+b
a     2.0
b     NaN
c     6.0
d     8.0
e    10.0
v     NaN
dtype: float64

2.5 Series的name属性

#Series对象和索引都可以有一个名字,存储在属性.name中
a=pd.Series({'a':1,'v':2,'c':3,'d':4,'e':5})
>>> a.name
>>> a.name="精忠跳水队"
>>> a.name
'精忠跳水队'
>>> a
a    1
c    3
d    4
e    5
v    2
Name: 精忠跳水队, dtype: int64

2.6 Series小结

  • Series是一维带“标签”数组
  • index_0 → data_a
  • Series基本操作类似ndarray和字典,根据索引对齐

3.Pandas库的DataFrame类型


3.1 DataFrame结构

#DataFrame是一个表格型的数据类型,每列值类型可以不同
#DataFrame既有行索引、也有列索引

>>> df = pd.DataFrame(np.random.randint(1,10,(4,5)))
>>> df
   0  1  2  3  4
0  8  5  4  1  1
1  3  4  2  7  3
2  4  3  8  9  9
3  7  8  9  1  7

3.2 DataFrame的创建

DataFrame类型可以由如下类型创建:

  • ndarray对象
  • 由一维ndarray、列表、字典、元组或Series构成的字典
  • Series类型
  • 其他的DataFrame类型
#由字典创建 (自定义行列索引,会自动补齐缺失的值为NAN)
>>> df=pd.DataFrame({'one':pd.Series([1,2,3],index=['a','v','c']),'two':pd.Series([1,2,3,4,5],index=['a','b','c','d','e'])})
>>> df
   one  two
a  1.0  1.0
b  NaN  2.0
c  3.0  3.0
d  NaN  4.0
e  NaN  5.0
v  2.0  NaN
#由字典+列表创建。统一index,尺寸必须相同
>>> df=pd.DataFrame({'one':[1,2,3],'two':[2,2,3],'three':[3,2,3]},index=['a','b','c'])
>>> df
   one  three  two
a    1      3    2
b    2      2    2
c    3      3    3
#索引(类似Series,依据行列索引)
>>> df['one']['a']
1
>>> df['three']['c']
3

3.3 pandas数据类型操作——重新索引

python数据分析复盘——数据分析相关库之Pandas

#由a b c改为c a b
>>> df.reindex(['c','a','b'])
   one  three  two
c    3      3    3
a    1      3    2
b    2      2    2
#重排并增加列
>>> df.reindex(columns=['three','two','one','two'])
   three  two  one  two
a      3    2    1    2
b      2    2    2    2
c      3    3    3    3
#原始的数据
>>> df
   one  three  two
a    1      3    2
b    2      2    2
c    3      3    3
#插入列
>>> newc=df.columns.insert(3,'新增')
>>> newc
Index(['one', 'three', 'two', '新增'], dtype='object')

#插入新数据
>>> newd=df.reindex(columns=newc,fill_value=99)
>>> newd
   one  three  two  新增
a    1      3    2  99
b    2      2    2  99
c    3      3    3  99

3.4pandas数据类型操作——索引类型

python数据分析复盘——数据分析相关库之Pandas

>>> df
   one  three  two
a    1      3    2
b    2      2    2
c    3      3    3
>>> nc=df.columns.delete(1)
>>> ni=df.index.insert(3,'new_index')
#无填充
>>> df.reindex(columns=nc,index=ni)
           one  two
a          1.0  2.0
b          2.0  2.0
c          3.0  3.0
new_index  NaN  NaN
#有填充
>>> df.reindex(columns=nc,index=ni,method='ffill')
           one  two
a            1    2
b            2    2
c            3    3
new_index    3    3

#删除行列
#默认删 除行
>>> df.drop('b')
   one  three  two
a    1      3    2
c    3      3    3
#轴1为列
>>> df.drop('three',axis=1)
   one  two
a    1    2
b    2    2
c    3    3

3.5pandas数据类型运算——算数运算

算数运算法则:
算术运算根据行列索引,补齐后运算,运算默认产生浮点数
补齐时缺项填充NaN (空值)
二维和一维、一维和零维间为广播运算
采用+ ‐ * /符号进行的二元运算产生新的对象

(1)采用+ ‐ * /符号进行的二元运算:

#用符号运算,无法处理缺失值
>>> df1 =pd.DataFrame({'one':[1,2,3],'two':[4,5,6]},index=['a','b','c'])
>>> df2 =pd.DataFrame({'one':[1,2,3]},index=['a','b','c'])
>>> df1+df2
   one  two
a    2  NaN
b    4  NaN
c    6  NaN

(2)采用方法形式进行二元运算:
python数据分析复盘——数据分析相关库之Pandas

>>> df1 =pd.DataFrame({'one':[1,2,3],'two':[4,5,6]},index=['a','b','c'])
>>> df2 =pd.DataFrame({'one':[1,2,3]},index=['a','b','c'])
#用方法进行运算,可选参数处理缺失值
>>> df1.add(df2,fill_value=0)
   one  two
a    2  4.0
b    4  5.0
c    6  6.0
#运算方式
#只对对应维度及对应位置进行运算,常数则进行广播运算。无匹配位置,则置为NAN
df =pd.DataFrame({'one':[1,2,3],'two':[2,2,3],'three':[3,2,3]},index=['a','b','c'])
df3=df=pd.DataFrame({'one':[1,2,3]},index=['a','b','c'])
df4=pd.DataFrame({'two':[2,2,3]},index=['a','b','c'])
#常数
>>> df3-1
   one
a    0
b    1
c    2
>>> df -1 
   one  three  two
a    0      2    1
b    1      1    1
c    2      2    2
#对应维度
>>> df3 -df 
   one  three  two
a    0    NaN  NaN
b    0    NaN  NaN
c    0    NaN  NaN

>>> df-df4
   one  three  two
a  NaN    NaN    0
b  NaN    NaN    0
c  NaN    NaN    0

3.6pandas数据类型运算——比较运算

(1)法则

  • 比较运算只能比较相同索引的元素,不进行补齐
  • 二维和一维、一维和零维间为广播运算
  • 采用>、<、 >=、 <= 、==、 !=等符号进行的二元运算产生布尔对象
>>> dfx
   one  three  two
a    1      3    2
b    1      3    2
c    1      3    2
>>> df
   one  three  two
a    1      3    2
b    2      2    2
c    3      3    3
>>> df>dfx
     one  three    two
a  False  False  False
b   True  False  False
c   True  False   True

4.Pandas数据类型小结

  1. 据类型与索引的关系,操作索引即操作数据
  2. Series = 索引+ 一维数据
  3. DataFrame = 行列索引+ 多维数据

  4. 重新索引、数据删除、算术运算、比较运算

  5. 像对待单一数据一样对待Series和DataFrame对象

大纲和部分内容截取自Python数据分析与展示

更多参考和练习:
1.10 Minutes to pandas
2.Cookbook for pandas


上一篇: java实现汉字转拼音

下一篇: