python数据分析基础005 -pandas详解_pandas入门这一篇就足够了
Posted 苏凉.py
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python数据分析基础005 -pandas详解_pandas入门这一篇就足够了相关的知识，希望对你有一定的参考价值。
文章目录
🐚作者简介：苏凉（在python路上）
🐳博客主页：苏凉.py的博客
👑名言警句：海阔凭鱼跃，天高任鸟飞。
📰要是觉得博主文章写的不错的话，还望大家三连支持一下呀！！！
👉关注✨点赞👍收藏📂
🌸前言
上期我们学习了numpy的基本使用，我们可以清楚的了解到numpy对于处理数值型数据非常乐观，那么在处理字符串类型的数据时，pandas将是最好的选择！接下来我们就一起进入pandas的学习吧！！
往期回顾：
python数据分析基础001 -matplotlib的基础绘图
python数据分析基础002 -使用matplotlib绘图（散点图，条形图，直方图）
python数据分析基础003 -numpy的使用（详解)
python数据分析基础004 -numpy读取数据以及切片，索引的使用
🌔（一）pandas基础介绍
🍸1.什么是pandas
Pandas 这个名字来源于面板数据（Panel Data）与数据分析（data analysis）这两个名词的组合。Pandas 是一个开源的第三方 Python 库，从 Numpy 和 Matplotlib 的基础上构建而来，享有数据分析“三剑客之一”的盛名（NumPy、Matplotlib、Pandas）。Pandas 已经成为 Python 数据分析的必备高级工具，它的目标是成为强大、灵活、可以支持任何编程语言的数据分析工具。
🍹2.为什么要学习pandas
numpy能够帮我们处理处理数值型数据，但是这还不够。
很多时候，我们的数据除了数值之外，还有字符串，还有时间序列等
比如:我们通过爬虫获取到了存储在数据库中的数据等等。
因此，numpy能够帮助我们处理数值，但是pandas除了处理数值之外（基于numpy），还能够帮助我们处理其他类型的数据。
🍻3.pandas的安装
pip install pandas -i https://pypi.douban.com/simple
🥂4.导入pandas库
import pandas as pd
🌖（二）pandas的常用数据类型
🥥1.Series（一维，带标签数组）
import pandas as pd
a = pd.Series([1,5,4,85,87,512])
print(a,type(a))
结果：
从上述结果中我们可以看到Series创建的对象带有索引。
🍇1.1 创建索引
pd.Series([],index=list(string))
b = pd.Series([1,5,4,2,45,45,24,5],index=list('abcdefgh'))
print(b)
结果：
🍈1.2 通过字典创建Series
通过字典也可以创建Series对象，此时字典的键为索引。
import pandas as pd
dic =
'name':'苏凉.py',
'age':'22',
'qq_num':'787991021',
information = pd.Series(dic)
print(information)
结果：
🍉1.3 Series的切片和索引
Series对象本质上由两个数组构成,一个数组构成对象的键(index，索引)，一个数组构成对象的值(values)，键->值
🍊1.3.1 显示某个值
import pandas as pd
dic =
'name':'苏凉.py',
'age':'22',
'qq_num':'787991021',
information = pd.Series(dic)
print(information)
print('-'*100)
print(information[0])
结果：
🍍1.3.2 显示多个不连续的值
print(information[[0,2,3]])
结果：
🍎1.3.3 显示多个连续的值
print(information[0:3])
结果：
🍏1.3.4 通过索引查找值
print(information[['name','age','wechat']])
结果：
🍐1.4 Series的索引和值属性
对于一个陌生的Series类型，我们可以通过index和values来了解它的索引和值。
🍑1.4.1 Series的索引（index）
print(information.index)
结果：
🍒1.4.2 索引遍历
a = information.index
for i in a:
print(i)
结果：
🥕1.4.3 Series的值（values）
print(information.values)
结果：
🌰2.DataFrame（二维，Series容器）
import pandas as pd
import numpy as np
a = pd.DataFrame(np.arange(1,13).reshape(3,4))
print(a)
结果：
这里可以看到用DataFrame创建数组时存在行索引和列索引。
行索引：表明不同行，横向索引，叫index，0轴，axis=0.
列索引：表明不同列，纵向索引，叫columns，1轴，axis=1.
💐2.1 创建索引
pd.DataFrame([]),index=list(),columns=list()
a = pd.DataFrame(np.arange(1,13).reshape(3,4),index=list('123'),columns=list('ABCD'))
结果：
🌸2.2 通过字典创建DataFrame
方法一：
import pandas as pd
list =
'name':['苏凉.py','佚名'],
'age':['22','15'],
'QQ_num':['787991021','01234567'],
'wechat':['lxzy787991021','ym789456']
person = pd.DataFrame(list)
print(person)
结果：
方法二：
import pandas as pd
list2 = [
'name':'苏凉.py','age':'22','QQ_num':'787991021','wechat':'lxzy787991021',
'name':'佚名','QQ_num':'01234567','wechat':'ym789456'
]
person = pd.DataFrame(list2)
print(person)
结果：
这里可以看到当我们对应的位置没有输入值时结果NaN
🌺2.3 DataFrame的索引和切片
注：在dataframe中进行取行或者取列操作时，[]中为数字则取行，[]中为字符串则取列！！
🌻2.3.1 取前几行
print(person[:2])
结果：
🌼2.3.2 取某列
print(person['name'])
结果：
🌷2.3.3 取多列
print(person[['name','wechat']])
结果：
🥀2.4 利用DataFrame的loc和iloc方法取值
☘2.4.1 利用loc获取值
loc时通过标签索引来获取值
🌱2.4.1.1 取某行
print(person.loc[1,:])
结果：
🌲2.4.1.2 取多行
print(person.loc[[0,1]])
结果：
🌳2.4.1.3 取某列
print(person.loc[:,'name'])
结果：
🌴2.4.1.3 取多列
print(person.loc[:,['name','wechat']])
结果：
🌵2.4.1.3 取某行某列
print(person.loc[0,'wechat'])
结果：
🌾2.4.1.4 取多行多列
print(person.loc[0:1,['name','QQ_num']])
结果：
🌿2.4.2 利用iloc来获取值
iloc是通过位置来获取值
下面列举四个例子即可：
🍀2.4.2.1 获取行
print(person.iloc[0,])
结果：
🍁2.4.2.2 获取列
print(person.iloc[:,2])
结果：
🍂2.4.2.3 获取某行某列
print(person.iloc[0,3])
结果：
🍃2.4.2.4 获取多行多列
print(person.iloc[[0,1],[0,2,3]])
结果：
💡结语
今天的内容到这里就结束啦，觉得写的不错的话给个三连支持一下吧！！文章有不足之处还望指出，一起加油进步啊！希望看到此文的小伙伴都有所收获！关注我，咱们下期再见！！
以上是关于python数据分析基础005 -pandas详解_pandas入门这一篇就足够了的主要内容，如果未能解决你的问题，请参考以下文章