为什么使用Pandas?数据结构及基本使用操作

Posted 黑马程序员官方

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了为什么使用Pandas?数据结构及基本使用操作相关的知识,希望对你有一定的参考价值。

1 Pandas介绍

  • 2008年WesMcKinney开发出的库
  • 专门用于数据挖掘的开源python库
  • Numpy为基础,借力Numpy模块在计算方面性能高的优势
  • 基于matplotlib,能够简便的画图
  • 独特的数据结构

为什么使用Pandas

Numpy已经能够帮助我们处理数据,能够结合matplotlib解决部分数据展示等问题,那么pandas学习的目的在什么地方呢?

增强图表可读性

  • 回忆我们在numpy当中创建学生成绩表样式:
  • 返回结果

如果数据展示为这样,可读性就会更友好:

便捷的数据处理能力

读取文件方便

封装了Matplotlib、Numpy的画图和计算

3 Pandas数据结构

Pandas中一共有三种数据结构,分别为:Series、DataFrame和MultiIndex(老版本中叫Panel )。 其中Series是一维数据结构,DataFrame是二维的表格型数据结构,MultiIndex是三维的数据结构。

1.Series

Series是一个类似于一维数组的数据结构,它能够保存任何类型的数据,比如整数、字符串、浮点数等,主要由一组数据和与之相关的索引两部分构成。

Series的创建

参数:

  • data:传入的数据,可以是ndarray、list等
  • index:索引,必须是唯一的,且与数据的长度相等。如果没有传入索引参数,则默认会自动创建一个从0-N的整数索引。
  • dtype:数据的类型

通过已有数据创建

  • 指定内容,默认索引
pd.Series(np.arange(10))

  • 指定索引
pd.Series([6.7,5.6,3,10,2], index=[1,2,3,4,5]) 

  • 通过字典数据创建

1.2 Series的属性

为了更方便地操作Series对象中的索引和数据,Series中提供了两个属性indexvalues

  • index

  • values

也可以使用索引来获取数据:

2.DataFrame

DataFrame是一个类似于二维数组或表格(如excel)的对象,既有行索引,又有列索引

  • 行索引,表明不同行,横向索引,叫index,0轴,axis=0
  • 列索引,表名不同列,纵向索引,叫columns,1轴,axis=1

2.1 DataFrame的创建

参数:

  • index:行标签。如果没有传入索引参数,则默认会自动创建一个从0-N的整数索引。
  • columns:列标签。如果没有传入索引参数,则默认会自动创建一个从0-N的整数索引。

通过已有数据创建

举例一:

pd.DataFrame(np.random.randn(2,3))

回忆咱们在前面直接使用np创建的数组显示方式,比较两者的区别。

举例二:创建学生成绩表

但是这样的数据形式很难看到存储的是什么的样的数据,可读性比较差!!

问题:如何让数据更有意义的显示?

给分数数据增加行列索引,显示效果更佳

效果:

  • 增加行、列索引

2.2 DataFrame的属性

  • shap

  • index

DataFrame的行索引列表

  • columns

DataFrame的列索引列表

  • values

直接获取其中array的值

  • T

转置

结果

  • head(5):显示前5行内容

如果不补充参数,默认5行。填入参数N则显示前N行

  • tail(5):显示后5行内容

如果不补充参数,默认5行。填入参数N则显示后N行

2.3 DatatFrame索引的设置

需求:

2.3.1 修改行列索引值

注意:以下修改方式是错误的

2.3.2 重设索引

reset_index(drop=False)

  • 设置新的下标索引
  • drop:默认为False,不删除原来索引,如果为True,删除原来的索引值

2.3.3 以某列值设置为新的索引

set_index(keys, drop=True)

  • keys : 列索引名成或者列索引名称的列表
  • drop : boolean, default True.当做新的索引,删除原来的列

设置新索引案例

1、创建

2、以月份设置新的索引

3、设置多个索引,以年和月份

注:通过刚才的设置,这样DataFrame就变成了一个具有MultiIndex的DataFrame。

3.MultiIndexPanel

3.1 MultiIndex

MultiIndex是三维的数据结构;

多级索引(也称层次化索引)是pandas的重要功能,可以在Series、DataFrame对象上拥有2个以及2个以上的索引。

3.1.1 multiIndex的特性

打印刚才的df的行索引结果

多级或分层索引对象。

index属性

  • names:levels的名称
  • levels:每个level的元组值

3.1.2 multiIndex的创建

3.2 Panel

3.2.1 panel的创建

class pandas.Panel (data=Noneitems=Nonemajor_axis=Noneminor_axis=None)

  • 作用:存储3维数组的Panel结构
  • 参数:

data : ndarray或者dataframe

items : 索引或类似数组的对象,axis=0

major_axis : 索引或类似数组的对象,axis=1

minor_axis : 索引或类似数组的对象,axis=2

3.2.2 查看panel数据

注: Pandas从版本 0.20.0开始弃用:推荐的用于表示 3D数据的方法是通过 DataFrame上的 MultiIndex方法

4 基本数据操作

为了更好的理解这些基本操作,我们将读取一个真实的股票数据。关于文件操作,后面在介绍,这里只先用一下API

索引操作

Numpy当中我们已经讲过使用索引选取序列和切片选择,pandas也支持类似的操作,也可以直接使用列名、行名称,甚至组合使用。

1.1 直接使用行列索引(先列后行)

获取'2018-02-27'这天的'close'的结果

1.2 结合loc或者iloc使用索引

获取从'2018-02-27':'2018-02-22','open'的结果

1.3 使用ix组合索引

Warning:Starting in 0.20.0, the .ix indexer is deprecated, in favor of the more strict .iloc and .loc indexers.

获取行第1天到第4天,['open', 'close', 'high', 'low']这个四个指标的结果

赋值操作

对DataFrame当中的close列进行重新赋值为1

排序

排序有两种形式,一种对于索引进行排序,一种对于内容进行排序

  • 使用df.sort_index给索引进行排序

这个股票的日期索引原来是从大到小,现在重新排序,从小到大

3.2 Series排序

  • 使用series.sort_values(ascending=True)进行排序

series排序时,只有一列,不需要参数

  • 使用series.sort_index()进行排序

与df一致

以上是关于为什么使用Pandas?数据结构及基本使用操作的主要内容,如果未能解决你的问题,请参考以下文章

python数据分析(12)Pandas实现对Excel列表数据整合(merge纵向合并concat横向连接)

pandas使用pd.concat纵向合并多个dataframe实战:多个dataframe的纵向合并为纵向合并的多个dataframe设置标识符指定数据来源

pandas使用pd.concat纵向合并多个dataframe实战:纵向合并(ignore_index参数)为纵向合并的多个dataframe设置标识符指定数据来源(通过字典方式设置数据来源键)

pandas小记:pandas数据结构及基本功能

pandas使用append函数在dataframe上纵向合并数据实战:多个dataframe合并合并series左右dataframe的一样合并字典数据作为dataframe的行

Pandas基本操作