数据分析--pandas的基本使用

Posted 2020-12-03 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！！！

anaconda下载地址请戳：https://www.anaconda.com/download/
anaconda安装及创建项目教程：https://jingyan.baidu.com/article/3f16e0031e87522591c10320.html

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

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),…