利用python数据分析panda学习笔记之基本功能

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了利用python数据分析panda学习笔记之基本功能相关的知识,希望对你有一定的参考价值。

 

1 重新生成索引 如果某个索引值不存在就引入缺失值

1 from pandas import Series,DataFrame
2 import pandas as pd
3 import numpy as np
4 obj=Series([4.5,7.2,-5.3,3.6],index=[d,b,a,c])
5 obj
6 
7 #重新生成索引
8 obj2=obj.reindex([a,b,c,d,e])
9 obj2

技术分享

技术分享

  a使用method的ffill可以实现前向值填充,效果如下

1 #前向填充
2 obj3=Series([blue,purple,yellow],index=[0,2,4])
3 obj3.reindex(range(6),method=ffill)

技术分享

技术分享

  b:对于dataframe使用reindex可以同时修改行列索引,如果仅传入一个序列那么如下

1 frame=DataFrame(np.arange(9).reshape((3,3)),index=[a,c,d],
2                 columns=[ohio,Texas,california])
3 frame

技术分享

1 frame2=frame.reindex([a,b,c,d])
2 frame2

技术分享

  c:使用colunms重新索引列

1 states=[Texax,Utah,california]
2 frame.reindex(columns=states)

技术分享

  d:同时插入行列,但是插值只能按行应用

1 #同时对行 列进行重新索引 而插值只能引用到行
2 frame.reindex(index=[a,b,c,d],method=ffill,
3               columns=states)

技术分享

reindex的参数说明如下:

技术分享

2 丢弃制定轴上的项

  a:drop方法返回一个指定轴上删除了指定值的新对象,删除列c

1 #丢弃指定轴的项
2 obj=Series(np.arange(5.),index=[a,b,c,d,e])
3 new_obj=obj.drop(c)
4 new_obj

技术分享

  b:删除两个 b c

obj.drop([d,c])

技术分享

  c:对于dataframe可以删除任意轴上的索引

1 #对于DataFrame可以删除任意轴的索引
2 data = DataFrame(np.arange(16).reshape((4,4)),
3                  index=[ohio,colorado,utah,new york],
4                    columns=[one,two,three,four])
5 #删除两个
6 data.drop([colorado,ohio])

技术分享

3 索引,选取和过滤

  a:Series中的索引类似与Numpy,但是不只是整数,索引字符

1 obj=Series(np.arange(4.),index=[a,b,c,d])
2 obj[b]#1.0

技术分享

技术分享

  b:按照整数,范围

1 obj[1]#1.0
2 obj[2:4]# 2 3

技术分享

  c:利用标签的切片运算和普通depython切片不同,其包含末端

1 obj[b:c]#b c 1 2

技术分享

  d:那么对dataframe进行索引就是获取一个或者多个列勒

1 data=DataFrame(np.arange(16).reshape(4,4),
2            index=[ohio,colorado,mike,jason],
3                  columns=[one,two,three,four])
4 data

技术分享

  e:选择一列

data[two]#输出第二列+行号 也就是索引

技术分享

  f:选择多列

1 data[[three,one]]

技术分享

  g:选取行标签前两行

data[:2]#选取的是前面两行

技术分享

  h:选取第三列大于5的值

data[data[three]>5]

技术分享

  i:为了能在dataframe的行上进行标签索引引入字段ix

data.ix[colorado,[two,three]]

技术分享

  j:选取第4 1 2列 而且行为colorado jason

data.ix[[colorado,jason],[3,0,1]]

技术分享

  k:输出行mike

data.ix[2]

技术分享

DataFrame索引总结

技术分享

4 算数运算和数据对齐

  a:Series的加法

1 s1=Series([7.3,-2.5,3.4,1.5],index=[a,c,d,e])
2 s2=Series([-2.1,3.6,-1.5,4,3.1],index=[a,c,e,f,g])
3 s1+s2

技术分享技术分享

技术分享

  b:对于dataframe,对齐会同时发生在行 列中

df1=DataFrame(np.arange(9.).reshape((3,3)),columns=list(bcd),
              index=[utah,ohio,colorado])
df2=DataFrame(np.arange(12.).reshape((4,3)),columns=list(bde),
              index=[utah,ohio,colorado,oragen])

技术分享

技术分享

df1+df2

技术分享

------>索引和列都为其并集

   c:在算术方法中填充值。比如说两个dataframe相加,其中一个不在的时候填充为0

1 #算术中进行填充
2 df1=DataFrame(np.arange(12.).reshape((3,4)),columns=list(abcd))
3 df2=DataFrame(np.arange(20.).reshape((4,5)),columns=list(abcde))
4 df1+df2

技术分享

#使用df1的add方法 传入df2以及一个fill_value参数
df1.add(df2,fill_value=0)

技术分享

5 DataFrame和Series之间的运算----->广播,也就是如果第一个数值-1,那么这个列都会减1

  a:看一看一个二维数组和一行之间的差

arr=np.arange(12.).reshape((3,4))

技术分享

arr[0]

技术分享

arr-arr[0]

技术分享

  b:frame和series的运算

frame=DataFrame(np.arange(12.).reshape((4,3)),columns=list(bde),
                index=[utah,ohio,texas,orogen])
series=frame.ix[0]

技术分享

技术分享

frame-series

技术分享

 

 好了,加油骚年!!!!

 


以上是关于利用python数据分析panda学习笔记之基本功能的主要内容,如果未能解决你的问题,请参考以下文章

利用python数据分析panda学习笔记之Series

《利用python进行数据分析》之《第二章引言》学习笔记_2

《利用Python 进行数据分析》 - 笔记

Python数据分析之pandas学习

Python数据分析之pandas学习

学习pandas 笔记摘要 pandas