为什么学习pandas
- numpy已经可以帮助我们进行数据的处理了,那么学习pandas的目的是什么呢?
- numpy能够帮助我们处理的是数值型的数据,当然在数据分析中除了数值型的数据还有好多其他类型的数据(字符串,时间序列),那么pandas就可以帮我们很好的处理除了数值型的其他数据!
什么是pandas?
- 首先先来认识pandas中的两个常用的类
- Series
- DataFrame
Series
import pandas as pd
from pandas import Series,DataFrame
import numpy as np
#Series这个数据结构中存储的数据一定得是一个维度
s1 = Series(data=[1,2,3,4,5])
# 结果如下
0 1
1 2
2 3
3 4
4 5
dtype: int64
s2 = Series(data=np.random.randint(0,100,size=(4,)))
# 结果如下
0 54
1 90
2 21
3 92
dtype: int32
# 创建一个字典
dic = {
'a':1,
'b':2,
'c':3
}
#Series的索引可以为字符串
s3 = Series(data=dic)
# 结果如下
a 1
b 2
c 3
dtype: int64
#index指定显式索引
s4 = Series(data=[1,2,3],index=['数学','英语','理综'])
# 结果如下
数学 1
英语 2
理综 3
dtype: int64
- Series的索引
- 隐式索引:数值型
- 显式所用:自定义(字符串)
- 提高数据的可读性
- Series的索引和切片
#索引操作
s4[0]
s4['数学']
s4.数学
# 值为
1
#切片
s4[0:2]
# 结果:
数学 1
英语 2
dtype: int64
s4["英语":'语文']
# 结果:
英语 2
语文 3
dtype: int64
- Series的常用属性
- shape --------- 查看维度
- size --------- 查看长度
- index --------- 查看所有的索引
- values --------- 查看所有的值
s4.shape
(3,)
s4.size
3
s4.index
Index(['数学', '英语', '语文'], dtype='object')
s4.values
array([1, 2, 3], dtype=int64)
- Series的常用方法
- head(),tail()
- unique()
- isnull(),notnull()
- add() sub() mul() div()
s4.head(2) #显式前n条数据
s4.tail(2) #显式后n条数据
英语 2
理综 3
dtype: int64
s = Series(data=[1,1,2,2,3,4,5,6,6,6,6,6,6,7,8])
s.unique() #对Series进行去重
array([1, 2, 3, 4, 5, 6, 7, 8], dtype=int64)
- Series的算术运算
s + s
s.add(s)
0 2
1 2
2 4
3 4
4 6
5 8
6 10
7 12
8 12
9 12
10 12
11 12
12 12
13 14
14 16
dtype: int64
- 算数运算的法则:
- 索引与之匹配的值进行算数运算,否则补空
s1 = Series(data=[1,2,3,4])
s2 = Series(data=[5,6,7])
s1 + s2
# 结果:
0 6.0
1 8.0
2 10.0
3 NaN
dtype: float64
- 清洗Series中的空值
s1 = Series(data=[1,2,3,4],index=['a','b','c','e'])
s2 = Series(data=[1,2,3,4],index=['a','d','c','f'])
s = s1 + s2
a 2.0
b NaN
c 6.0
d NaN
e NaN
f NaN
dtype: float64
#boolean可以作为索引取值
s1[[True,False,True,False]]
a 1
c 3
dtype: int64
#把s的NAN进行了清洗
s[[True,False,True,False,False,False]]
a 2.0
c 6.0
dtype: float64
- 将符合清洗要求的布尔值获取
s = s1 + s2
a 2.0
b NaN
c 6.0
d NaN
e NaN
f NaN
dtype: float64
s.isnull()
a False
b True
c False
d True
e True
f True
dtype: bool
s.notnull()
a True
b False
c True
d False
e False
f False
dtype: bool
#NAN的清洗
s[s.notnull()]
a 2.0
c 6.0
dtype: float64
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
- ndarray创建
- 字典创建
df = DataFrame(data=np.random.randint(0,100,size=(5,6)))
0 | 1 | 2 | 3 | 4 | 5 | |
---|---|---|---|---|---|---|
0 | 65 | 84 | 20 | 21 | 82 | 75 |
1 | 92 | 72 | 65 | 88 | 30 | 25 |
2 | 40 | 7 | 28 | 6 | 56 | 70 |
3 | 20 | 77 | 55 | 54 | 87 | 11 |
4 | 89 | 95 | 50 | 22 | 55 | 93 |
dic = {
'name':['tom','jay','bobo'],
'salary':[10000,15000,10000]
}
df = DataFrame(data=dic,index=['a','b','c'])
name | salary | |
---|---|---|
a | tom | 10000 |
b | jay | 15000 |
c | bobo | 10000 |
- DataFrame的属性
- values、columns、index、shape
df.values # 查看全部的值
df.shape # 查看结构
df.index # 查看列索引
df.columns # 查看行索引
Index(['name', 'salary'], dtype='object')
============================================
练习4:
根据以下考试成绩表,创建一个DataFrame,命名为df:
张三 李四
语文 150 0
数学 150 0
英语 150 0
理综 300 0
dic = {
"张三":[150,150,150,300],
"李四":[0,0,0,0]
}
df = DataFrame(data=dic,index=["语文","英语","数学","理综"])
============================================
- DataFrame索引操作
- 对行进行索引
- 队列进行索引
- 对元素进行索引
name | salary | |
---|---|---|
a | tom | 10000 |
b | jay | 15000 |
c | bobo | 10000 |
#索引取单列
df['name']
a tom
b jay
c bobo
Name: name, dtype: object
#索引取多列
df[['salary','name']]
salary | name | |
---|---|---|
a | 10000 | tom |
b | 15000 | jay |
c | 10000 | bobo |
#取单行
df.loc['a']
df.iloc[0]
name tom
salary 10000
Name: a, dtype: object
#取多行
df.loc[['a','c']]
df.iloc[[0,2]]
name | salary | |
---|---|---|
a | tom | 10000 |
c | bobo | 10000 |
df
name | salary | |
---|---|---|
a | tom | 10000 |
b | jay | 15000 |
c | bobo | 10000 |
#取单个元素之
df.iloc[1,1]
df.loc['b','salary']
15000
#取多个元素值
df.loc[['b','c'],'salary']
df.iloc[[1,2],1]
b 15000
c 10000
Name: salary, dtype: int64
- DataFrame的切片操作
- 对行进行切片
- 对列进行切片
df
name | salary | |
---|---|---|
a | tom | 10000 |
b | jay | 15000 |
c | bobo | 10000 |
#切行
df[0:2]
name | salary | |
---|---|---|
a | tom | 10000 |
b | jay | 15000 |
#切列
df.iloc[:,0:2]
name | salary | |
---|---|---|
a | tom | 10000 |
b | jay | 15000 |
============================================
练习:
假设ddd是期中考试成绩,ddd2是期末考试成绩,请自由创建ddd2,并将其与ddd相加,求期中期末平均值。
dic = { "ddd":[10,20,30], "dd2":[50,60,50] } df = DataFrame(data=dic,index=['a','b','c'])
df.mean(axis=1)
假设张三期中考试数学被发现作弊,要记为0分,如何实现?
dic = { "张三":[10,20,30], } df = DataFrame(data=dic,index=['语文','英语','数学']) df
df.loc["数学"] = 0 df
李四因为举报张三作弊立功,期中考试所有科目加100分,如何实现?
dic = { "李四":[10,20,30], } df = DataFrame(data=dic,index=['语文','英语','数学']) df
df['李四'] += 100 df
后来老师发现有一道题出错了,为了安抚学生情绪,给每位学生每个科目都加10分,如何实现?
dic = { "李四":[10,20,30], "张三":[10,20,0] } df = DataFrame(data=dic,index=['语文','英语','数学'])
df += 10
============================================
- 时间数据类型的转换
- pd.to_datetime(col)
- 将某一列设置为行索引
- df.set_index()
dic = {
'time':['2019-01-09','2011-11-11','2018-09-22'],
'salary':[1111,2222,3333]
}
df = DataFrame(data=dic)
salary | time | |
---|---|---|
0 | 1111 | 2019-01-09 |
1 | 2222 | 2011-11-11 |
2 | 3333 | 2018-09-22 |
#查看df的数据的数据类型
df.dtypes
salary int64
time object
dtype: object
#将time列转换成时间序列类型
df['time'] = pd.to_datetime(df['time'])
salary | time | |
---|---|---|
0 | 1111 | 2019-01-09 |
1 | 2222 | 2011-11-11 |
2 | 3333 | 2018-09-22 |
df.dtypes
# 结果
salary int64
time datetime64[ns]
dtype: object
#将time这一列作为原数据的行索引
df.set_index(df['time'],inplace=True)
df.drop(labels='time',axis=1,inplace=True) #drop函数中axis的0行,1列
salary | |
---|---|
time | |
2019-01-09 | 1111 |
2011-11-11 | 2222 |
2018-09-22 | 3333 |
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。