数据分析--pandas的基本使用

Posted dalyday

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了数据分析--pandas的基本使用相关的知识,希望对你有一定的参考价值。

一、pandas概述

1.pandas是一个强大的Python数据分析的工具包,是基于NumPy构建的。

2.pandas的主要功能

  • 具备对其功能的数据结构DataFrame、Series
  • 集成时间序列功能
  • 提供丰富的数学运算和操作
  • 灵活处理缺失数据

3.python中操作方式:

  • 安装方法:pip install pandas
  • 引用方法:import pandas as pd

4.也可以通过安装anaconda软件操作,里面包含(numpy,pandas以及Matplotlib多个库),本片文章是在anaconda3中运行!!!

二、pandas:Series(一维)

1.Series是一种类似于一位数组的对象,由一组数据和一组与之相关的数据标签(索引)组成。

2.创建方式:

技术分享图片

3.从上面操作可以知道:

  • 获取值数组和索引数组:values属性和index属性。
  • Series比较像列表(数组)和字典的组合体。

三、pandas:Series特性  

1.Series支持NumPy模块的特性(下标):

  • 从ndarray创建Series:Series(arr)
  • 与标量运算:sr*2
  • 两个Series运算:sr1+sr2
  • 索引:sr[0], sr[[1,2,4]]
  • 切片:sr[0:2]
  • 通用函数:np.abs(sr)
  • 布尔值过滤:sr[sr>0]
  • 统计函数:mean()sum()cumsum()

   Numpy连接:https://www.cnblogs.com/dalyday/p/9295459.html


2.Series支持字典的特性(标签):

  • 从字典创建Series:Series(dic),
  • in运算:’a’ in sr、for i in sr
  • 键索引:sr[‘a‘], sr[[‘a‘, ‘b‘, ‘d‘]] 
  • 键切片:sr[‘a‘:‘c‘]
  • 其他函数:get(‘a‘,default = 0)等

 标签示例:

技术分享图片

四、pandas:整数索引 

1.整数索引存在标签索引与下标索引,新手在这需注意下。

2.输入下面的列子会出什么结果:

  • sr2[3] 
  • sr2[-1]

技术分享图片

3.从上面可知索引是整数类型,则根据整数进行数据操作时总是面向标签的。

引入:

  • --loc属性 以标签解释
  • --iloc属性 以下标解释

技术分享图片

五、pandas:Series数据对齐 

 1.pandas在运算时,会按索引进行对齐然后计算。如果存在不同的索引,则结果的索引是两个操作数索引的并集。

例:

sr1 = pd.Series([12,23,34], index=[‘c‘,‘a‘,‘d‘])

sr2 = pd.Series([11,20,10], index=[‘d‘,‘c‘,‘a‘,])

sr1+sr2

sr3 = pd.Series([11,20,10,14], index=[‘d‘,‘c‘,‘a‘,‘b‘])

sr1+sr3

图例展示:

技术分享图片

2.如何在两个Series对象相加时将缺失值设为0?

sr1.add(sr3, fill_value=0)

灵活的算术方法:add, sub, div, mul

技术分享图片

六、pandas:Series缺失数据

1.缺失数据:使用NaN(Not a Number)来表示缺失数据。其值等于np.nan。内置的None值也会被当做NaN处理。

2.处理缺失数据的相关方法:

  • dropna() 过滤掉值为NaN的行
  • fillna() 填充缺失数据
  • isnull() 返回布尔数组,缺失值对应为True
  • notnull() 返回布尔数组,缺失值对应为False

3.过滤缺失数据:sr.dropna() 或 sr[data.notnull()]

4.填充缺失数据:fillna(0)

技术分享图片

七、pandas:DataFrame

1.概要描述:DataFrame是一个表格型的数据结构,含有一组有序的列;可以被看做是由Series组成的字典,并且共用一个索引。

2.创建方式:

pd.DataFrame({‘one‘:[1,2,3,4],‘two‘:[4,3,2,1]})

pd.DataFrame({‘one‘:pd.Series([1,2,3],index=[‘a‘,‘b‘,‘c‘]),‘two‘:pd.Series([1,2,3,4],index=[‘b‘,‘a‘,‘c‘,‘d‘])})

技术分享图片

3.csv文件读取与写入:

  • df.read_csv(‘filename.csv‘)
  • df.to_csv()

八、pandas:DataFrame查看数据

查看数据常用属性及方法:
    index				获取索引
    T					转置
    columns				获取列索引
    values				获取值数组
    describe()				获取快速统

九、pandas:DataFrame索引和切片

1、DataFrame有行索引和列索引。
2、DataFrame同样可以通过标签和位置两种方法进行索引和切片。
3、DataFrame使用索引切片:

  • 方法1.两个中括号,先取列再取行。 df[‘A‘][0]
  • 方法2(推荐):使用loc/iloc属性,一个中括号,逗号隔开,先取行再取列

    loc属性:解释为标签
    iloc属性:解释为下标

  • 向DataFrame对象中写入值时只使用方法2
  • 行/列索引部分可以是常规索引、切片、布尔值索引、花式索引任意搭配。(注意:两部分都是花式索引时结果可能与预料的不同)
通过标签获取:
    df[A]
    df[[A, B]]
    df[A][0]
    df.loc[:,[A,B]]
    df.loc[:,A:C]
    df.loc[0,A]
    df.loc[0:10,[A,C]]
通过位置获取:
    df.iloc[3]
    df.iloc[3,3]
    df.iloc[0:3,4:6]
    df.iloc[1:5,:]
通过布尔值过滤:
    df[df[A]>0]
    df[df[A].isin([1,3,5])]
    df[df<0] = 0

十、pandas:DataFrame数据对齐与缺失数据

1.DataFrame对象在运算时,同样会进行数据对其,结果的行索引与列索引分别为两个操作数的行索引与列索引的并集

2.DataFrame处理缺失数据的方法:

  • dropna(axis=0,where=‘any‘,…)
  • fillna()
  • isnull()
  • notnull()

技术分享图片

技术分享图片

 十一、pandas:其他常用方法

pandas常用方法(适用Series和DataFrame):
    mean(axis=0,skipna=False)           #求平均值
    sum(axis=1)                         #求和
    sort_index(axis, …, ascending)	#按行或列索引排序
    sort_values(by, axis, ascending)	#按值排序
    NumPy的通用函数同样适用于pandas
    apply(func, axis=0)	               #将自定义函数应用在各行或者各列上 ,func可返回标量或者Series
    applymap(func)		       #将函数应用在DataFrame各个元素上
    map(func)		               #将函数应用在Series各个元素上

  十二、pandas:其他常用方法

时间类型:
    时间戳:特定时刻
    固定时期:如2017年7月
    时间间隔:起始时间-结束时间
Python标准库:datetime
    datetime.datetime.timedelta  # 表示 时间间隔
    dt.strftime() #f:format吧时间对象格式化成字符串
    strptime()  #把字符串解析成时间对象p:parse
灵活处理时间对象:dateutil包
    dateutil.parser.parse(2018/1/29) 
成组处理时间对象:pandas
    pd.to_datetime([2001-01-01, 2002-02-02])

产生时间对象数组:date_range
    start    开始时间
    end      结束时间
    periods  时间长度
    freq     时间频率,默认为D,可选H(our),W(eek),B(usiness),S(emi-)M(onth),(min)T(es), S(econd), A(year),…

技术分享图片

十三、pandas:从文件读取

1.读取文件:从文件名、URL、文件对象中加载数据

  • read_csv 默认分隔符为csv
  • read_table 默认分隔符为
  • read_excel 读取Excel文件

2.读取文件函数主要参数:

  • sep 指定分隔符,可用正则表达式如‘s+‘
  • header=None 指定文件无列名
  • name 指定列名 index_col 指定某列作为索引
  • skip_row 指定跳过某些行
  • na_values 指定某些字符串表示缺失值
  • parse_dates 指定某些列是否被解析为日期,布尔值或列表
  • nrows 指定读取几行文件 chunksize 分块读取文件,指定块大小

十四、pandas:写入到文件

1.写入到文件:

  • to_csv

2.写入文件函数的主要参数:

  • sep
  • na_rep 指定缺失值转换的字符串,默认为空字符串
  • header=False 不输出列名一行
  • index=False 不输出行索引一列
  • cols 指定输出的列,传入列表

3.其他文件类型:json, XML, html, 数据库

4.pandas转换为二进制文件格式(pickle):

  • save
  • load 




以上是关于数据分析--pandas的基本使用的主要内容,如果未能解决你的问题,请参考以下文章

python pandas multiindex片段

html PHP代码片段: - AJAX基本示例:此代码演示了使用PHP和JavaScript实现的基本AJAX功能。

在Android中将数据从基本活动发送到片段[重复]

python之pandas模块的基本使用

数据分析--pandas的基本使用

机器学习基础 --- pandas的基本使用