Python Pandas用法入门

Pandas入门笔记

• 简介
• 数据结构
• 语法入门
• • 生成对象
  • 探索数据
  • 获取数据

简介

首先pandas是基于numpy进行开发的。

Pandas 的主要数据结构是 Series（一维数据）与 DataFrame（二维数据），这两种数据结构足以处理金融、统计、社会科学、工程等领域里的大多数典型用例。

学过机器学习和深度学习的小伙伴肯定对它都不陌生，为了加深对pandas库的认识和运用，在这里讲它的一些简单用法阐述，也算是一种笔记吧。

数据结构

首先我们知道pandas的数据结构只有两种：series和dataframe——分别对应一维数组和二维异构表单当然它们都是可以加标签的

注意：我们在使用pandas处理数据的时候，一般pandas都会自动创建一个copy对象，来防止对原对象的直接修改

---

语法入门

这里列出pandas中最常用的几种方法，来帮助小伙伴们快速上手pandas

---

生成对象

生成一维数组series

我们可以这样生成一个一维数组：

a = pd.Series([]) 

我们从jupyter notebook中创建一个一维数组并打印它

生成二维DataFrame

与一维数组相同，我们使用DataFrame类来创建对象

df = pd.DataFrame() 

这里我们展示两种创建的方法：
通过参数生成、通过series字典对象生成

探索数据

一般我们有以下方法：

• head() : 查看数据的头部
• tail() ： 查看数据的尾部（两个括号中可以指定查看的行数，默认为5）
• index：查看索引（列标签）
• colums：查看行标签
• describe()：查看数据的统计摘要（当数据很大时非常管用）
• T：转置
• sort_index()：按照索引排序
• sort_values()：按照值排序

获取数据

• [ ]：通过columns选择单列（b.A等价于b[‘A’]）

示例：

---

• [ : ]：使用切片引用行

示例：

---

• loc[ , ]：通过指定行列来指定输出

示例：

---

• isin()：筛选指定值
• isna()：筛选空值

本文地址：https://blog.csdn.net/Enternalwiser/article/details/108852480