Pandas基础

数据分析三剑客之Pandas。

概述

在Pandas中有两个核心数据结构:Series 和 DataFrame。Series 理解为一行数据,DataFrame 理解为由 Series 构成的二维表格。

Series

Series是一种类似与一维数组的对象,由下面两个部分组成:

  • values:一组数据(ndarray类型)
  • index:相关的数据索引标签

Series的创建

两种创建方式:

  • 由列表或numpy数组创建

默认索引为0到N-1的整数型索引

1
2
3
4
5
6
import pandas as pd
from pandas import Series,DataFrame
import numpy as np

# 使用列表创建Series
Series(data=[1,2,3])

还可以通过设置index参数指定索引

1
2
3
4
5
s = Series(data=[1,2,3],index=['a','b','c'])
s
s[0]
s['a']
s.a

Series的索引和切片

可以使用中括号取单个索引(此时返回的是元素类型),或者中括号里一个列表取多个索引(此时返回的是一个Series类型)。

显式索引:

  • 使用index中的元素作为索引值

  • 使用s.loc[](推荐):注意,loc中括号中放置的一定是显示索引

    注意,此时是闭区间

Series的基本概念

可以使用s.head(),tail()分别查看前n个和后n个值

1
2
s = Series(data=[1,1,2,3,4,5,5,6,7,8])
s.head(2)

对Series元素进行去重

1
s.unique()

当索引没有对应的值时,可能出现缺失数据显示NaN(not a number)的情况

  • 使得两个Series进行相加
1
2
3
4
s1 = Series([1,2,3],index=['a','b','c'])
s2 = Series([1,2,3],index=['a','d','c'])
s = s1 + s2
s

可以使用pd.isnull(),pd.notnull(),或s.isnull(),notnull()函数检测缺失数据

1
2
3
4
5
6
7
s[['a','b','c']]
s[[0,1,2]]
s[[True,False,True,False]]
s.isnull()
s.notnull()
# 将Series中的空值直接进行了清洗
s[s.notnull()]

Series之间的运算

  • 在运算中自动对齐不同索引的数据
  • 如果索引不对应,则补NaN

DataFrame

DataFrame是一个【表格型】的数据结构。DataFrame由按一定顺序排列的多列数据组成。设计初衷是将Series的使用场景从一维拓展到多维。DataFrame既有行索引,也有列索引。

  • 行索引:index
  • 列索引:columns
  • 值:values

DataFrame的创建

最常用的方法是传递一个字典来创建。DataFrame以字典的键作为每一【列】的名称,以字典的值(一个数组)作为每一列。

此外,DataFrame会自动加上每一行的索引。

使用字典创建的DataFrame后,则columns参数将不可被使用。

同Series一样,若传入的列与字典的键不匹配,则相应的值为NaN。

使用ndarray创建DataFrame

1
2
df = DataFrame(data=np.random.randint(0,100,size=(3,4)),index=['a','b','c'],columns=['A','B','C','D'])
df

DataFrame属性:values、columns、index、shape

1
2
3
4
df.values
df.columns
df.index
df.shape

使用dict创建DataFrame

1
2
3
4
5
6
dic = {
'zhangsan':[99,99,99,99],
'lisi':[0,0,0,0]
}
df = DataFrame(data=dic,index=['语文','数学','英语','理综'])
df

DataFrame的索引

① 对列进行索引

  • 通过类似字典的方式 df[‘q’]
  • 通过属性的方式 df.q

可以将DataFrame的列获取为一个Series。返回的Series拥有原DataFrame相同的索引,且name属性也已经设置好了,就是相应的列名。

② 对行进行索引

  • 使用.loc[]加index来进行行索引

  • 使用.iloc[]加整数来进行行索引

    同样返回一个Series,index为原来的columns。

③ 对元素索引的方法

  • 使用列索引
  • 使用行索引(iloc[3,1] or loc[‘C’,’q’]) 行索引在前,列索引在后

切片

【注意】 直接用中括号时:

  • 索引表示的是列索引
  • 切片表示的是行切片
1
df[0:2]  # 行切片

在loc和iloc中使用切片(切列) : df.loc[‘B’:’C’,’丙’:’丁’]

1
df.iloc[:,0:1]

DataFrame的运算

DataFrame之间的运算

同Series一样:

  • 在运算中自动对齐不同索引的数据
  • 如果索引不对应,则补NaN
-------------The End-------------

本文标题:Pandas基础

文章作者:Naqin

发布时间:2019年10月18日 - 17:10

最后更新:2019年11月05日 - 01:11

原始链接:https://chennq.top/Pandas/20191018-learning_Pandas_1.html

许可协议: 署名-非商业性使用-禁止演绎 4.0 国际 转载请保留原文链接及作者。

Naqin wechat
欢迎看官加我微信!
坚持原创技术分享,您的支持将鼓励我继续创作!
0%