pandas库简介和数据结构

谁践踏了优雅 2023-08-17 17:45 81阅读 0赞

# pandas简介 #

pandas是一个强大的Python数据分析的工具包。是基于Numpy来构件的。

pandas提供快速、灵活和富有表现力的数据结构。

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

安装

pip install pandas

# pandas数据结构-系列Series #

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。

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

pandas系列可以使用如下构造函数创建

pandas.Series( data, index, dtype, copy)

参数如下

<table> 
 <thead> 
 <tr> 
 <th>编号</th> 
 <th>参数</th> 
 <th>描述</th> 
 </tr> 
 </thead> 
 <tbody> 
 <tr> 
 <td>1</td> 
 <td>data</td> 
 <td>数据采取各种形式，如：<code>ndarray</code>，<code>list</code>，<code>constants</code></td> 
 </tr> 
 <tr> 
 <td>2</td> 
 <td>index</td> 
 <td>索引值必须是唯一的和散列的，与数据的长度相同。 默认<code>np.arange(n)</code>如果没有索引被传递。</td> 
 </tr> 
 <tr> 
 <td>3</td> 
 <td>dtype</td> 
 <td><code>dtype</code>用于数据类型。如果没有，将推断数据类型</td> 
 </tr> 
 <tr> 
 <td>4</td> 
 <td>copy</td> 
 <td>复制数据，默认为<code>false</code>。</td> 
 </tr> 
 </tbody> 
</table>

## series创建 ##

1.通过列表或numpy数组创建，默认索引为0到N-1的整数型索引（隐式索引）

# 使用列表创建series
    Series(data=[1,2,3,4])
    
    # 通过设置index参数指定索引
    s = Series(data=[1,2,3,4],index=["a","b","c","d"])
    
    # 通过numpy创建
    Series(data=np.random.randint(0,100,size=(3,)))

2.通过字典创建

# 通过字典创建series
    s = Series(data={'a':1, 'b':2})

3.从标量创建一个系列

import pandas as pd
    import numpy as np
    s = pd.Series(5, index=[0, 1, 2, 3])

## Series特性 ##

Series支持数组的特性

*  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\[0:2\]（切片依然是视图形式）
 *  通用函数：np.abs(sr)
 *  布尔值过滤：sr\[sr>0\]

s1 = Series(data=[1,2,3,4],index=["a","b","c","d"])
    s2 = Series(data=[1,2,3,4],index=["a","b","e","d"])
    s3 = s1+s2

统计函数

*  mean()：求平均数
 *  sum()：求和
 *  cumsum()：累加

s = pd.Series({
        "a":1,"b":2,"c":3,"d":5,"e":7})
    s.cumsum()

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 x 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

# 点索引取值
    s = pd.Series(0,index=["a","b","c","d","e"])
    s.a
    # 0
    
    s1 = pd.Series({
        'a':1,'b':2})
    s1.a  # 1
    s1[0]  # 1
    
    s1*2
    a 2
    b 4

## Series索引 ##

1.具有位置的系列访问数据

系列中的数据可以使用类似于访问ndarray中的数据来访问

s = pd.Series([1,2,3,4,5],index = ['a','b','c','d','e'])
    # 检索第一个元素
    print s[0]
    # 检索系列中的前三个元素
    print s[:3]
    # 检索最后三个元素
    print s[-3:]

2.使用标签检索数据（索引）

一个系列就像一个固定大小的字典，可以通过索引标签获取和设置值。

import pandas as pd
    s = pd.Series([1,2,3,4,5],index = ['a','b','c','d','e'])
    
    # 使用索引标签值检索单个元素
    print(s["a"])
    
    # 使用索引标签值列表检索多个元素
    print(s[['a','c','d']])
    
    # 如果不包含标签，则会出现异常
    print s['f']
    # keyError:"f"

## Series数据对齐 ##

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。

*  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

s1 = Series(data=[1,2,3,4],index=["a","b","c","d"])
    s2 = Series(data=[1,2,3,4],index=["a","b","e","d"])
    s3 = s1+s2
    # 输出
    a    2.0
    b    4.0
    c    NaN
    d    8.0
    e    NaN
    dtype: float64

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

s3.isnull()  # 为空检测
    s3.notnull()  # 非空检测
    s3[[True,True,False,True,False]]  # 如果将布尔值作为Series的索引，则只会保留True对应的元素的值
    s3[s3.notnull()]  # 直接可以返回没有缺失的数据
    
    # 输出：
    a    2.0
    b    4.0
    d    8.0
    dtype: float64

# pandas数据结构-数据帧DataFrame #

数据帧(DataFrame)是二维数据结构，即数据以行和列的表格方式排列。

数据帧(DataFrame)的功能特点：

*  潜在的列是不同的类型
 *  大小可变
 *  标记轴(行和列)
 *  可以对行和列执行算术运算

pandas中的DataFrame可以使用以下构造函数创建

pandas.DataFrame( data, index, columns, dtype, copy)

参数如下：

<table> 
 <thead> 
 <tr> 
 <th>编号</th> 
 <th>参数</th> 
 <th>描述</th> 
 </tr> 
 </thead> 
 <tbody> 
 <tr> 
 <td>1</td> 
 <td>data</td> 
 <td>数据采取各种形式，如:<code>ndarray</code>，<code>series</code>，<code>map</code>，<code>lists</code>，<code>dict</code>，<code>constant</code>和另一个<code>DataFrame</code>。</td> 
 </tr> 
 <tr> 
 <td>2</td> 
 <td>index</td> 
 <td>对于行标签，要用于结果帧的索引是可选缺省值<code>np.arrange(n)</code>，如果没有传递索引值。</td> 
 </tr> 
 <tr> 
 <td>3</td> 
 <td>columns</td> 
 <td>对于列标签，可选的默认语法是 - <code>np.arange(n)</code>。 这只有在没有索引传递的情况下才是这样。</td> 
 </tr> 
 <tr> 
 <td>4</td> 
 <td>dtype</td> 
 <td>每列的数据类型。</td> 
 </tr> 
 <tr> 
 <td>5</td> 
 <td>copy</td> 
 <td>如果默认值为<code>False</code>，则此命令(或任何它)用于复制数据。</td> 
 </tr> 
 </tbody> 
</table>

## 创建DataFrame ##

Pandas数据帧(*DataFrame*)可以使用各种输入创建，如 -

*  列表
 *  字典
 *  系列
 *  Numpy ndarrays
 *  另一个数据帧(*DataFrame*)

# 创建一个空数据帧
    import pandas as pd
    df = pd.DataFrame()
    
    # 从列表创建DataFrame
    data = [1,2,3,4,5]
    df = pd.DataFrame(data)

#### 从ndarrays/Lists的字典来创建DataFrame ####

所有的ndarrays必须具有相同的长度。如果传递了索引(index)，则索引的长度应等于数组的长度。

如果没有传递索引，则默认情况下，索引将为range(n)，其中n为数组长度。

import pandas as pd
    data = {
        'Name':['Tom', 'Jack', 'Steve', 'Ricky'],'Age':[28,34,29,42]}
    df = pd.DataFrame(data)
    
    # 使用数组创建一个索引的数据帧
    data = {
        'Name':['Tom', 'Jack', 'Steve', 'Ricky'],'Age':[28,34,29,42]}
    df = pd.DataFrame(data, index=['rank1','rank2','rank3','rank4'])

#### 从系列的字典来创建DataFrame ####

字典的系列可以传递以形成一个DataFrame。 所得到的索引是通过的所有系列索引的并集。

import pandas as pd
    
    d = {
        'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
          'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}
    
    df = pd.DataFrame(d)
    print(df)

## DataFrame数据查询 ##

### 列的相关操作 ###

#### 列选择 ####

从数据帧（DataFrame）中选择一列

import pandas as pd
    
    d = {
        'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
          'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}
    
    df = pd.DataFrame(d)
    df["one"]
    
    输出
    a     1.0
    b     2.0
    c     3.0
    d     NaN
    Name: one, dtype: float64

#### 列添加 ####

通过向现有数据框添加一个新列

print ("Adding a new column by passing as Series:")
    df['three']=pd.Series([10,20,30],index=['a','b','c'])
    print(df)
    
    输出
    Adding a new column by passing as Series:
         one   two   three
    a    1.0    1    10.0
    b    2.0    2    20.0
    c    3.0    3    30.0
    d    NaN    4    NaN

#### 列删除 ####

列可以删除或弹出

import pandas as pd
    
    d = {
        'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']), 
         'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd']), 
         'three' : pd.Series([10,20,30], index=['a','b','c'])}
    
    df = pd.DataFrame(d)
    print ("Deleting the first column using DEL function:")
    del df['one']

### 行的相关操作 ###

#### 行的标签选择 ####

通过将行标签传递给`loc()`函数来选择行

import pandas as pd
    
    d = {
        'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']), 
         'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}
    
    df = pd.DataFrame(d)
    print(df.loc['b'])
    
    输出
    one 2.0
    two 2.0
    Name: b, dtype: float64

#### 行的整数位置选择 ####

可以通过将整数位置传递给`iloc()`函数来选择行

import pandas as pd
    
    d = {
        'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']),
         'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}
    
    df = pd.DataFrame(d)
    print(df.iloc[2])
    
    输出
    one   3.0
    two   3.0
    Name: c, dtype: float64

#### 行切片 ####

可以使用`:`运算符选择多行

import pandas as pd
    
    d = {
        'one' : pd.Series([1, 2, 3], index=['a', 'b', 'c']), 
        'two' : pd.Series([1, 2, 3, 4], index=['a', 'b', 'c', 'd'])}
    
    df = pd.DataFrame(d)
    print(df[2:4])
    
    输出
          one    two
    c     3.0     3
    d     NaN     4

#### 添加行 ####

使用`append()`函数将新行添加到DataFrame， 此功能将附加行结束

import pandas as pd
    
    df = pd.DataFrame([[1, 2], [3, 4]], columns = ['a','b'])
    df2 = pd.DataFrame([[5, 6], [7, 8]], columns = ['a','b'])
    
    df = df.append(df2)
    print(df)
    执行上面示例代码，得到以下结果 -
    
       a  b
    0  1  2
    1  3  4
    0  5  6
    1  7  8

#### 删除行 ####

使用索引标签从DataFrame中删除或删除行。

import pandas as pd
    
    df = pd.DataFrame([[1, 2], [3, 4]], columns = ['a','b'])
    df2 = pd.DataFrame([[5, 6], [7, 8]], columns = ['a','b'])
    
    df = df.append(df2)
    
    # Drop rows with label 0
    df = df.drop(0)
    
    print(df)

执行上面示例代码，得到以下结果 -

a b
    1 3 4
    1 7 8

转载于:https://www.cnblogs.com/ryxiong-blog/p/11347689.html