Python进阶复习-Pandas库

╰半夏微凉° 2024-03-02 09:00 12阅读 0赞

#### 目录 ####

*  使用场合
 *  对象创建
 *   *  Series对象
     *  DataFrame对象
     *  Numpy与DataFrame
 *  处理缺失值
 *  分组
 *   *  groupby() 函数
     *  apply（）函数
 *  透视表

## 使用场合 ##

*  Pandas库是基于Numpy库建立的
 *  为数据添加标签、处理缺失值、分组和透视表方面Pandas更高效

## 对象创建 ##

### Series对象 ###

*  Series 是带标签的【默认是从0开始的数字】一维数据结构，类似于字典，可以用来表示一列数据。

import pandas as pd
    # 创建 Series 对象  
    s = pd.Series([1, 2, 3, 4, 5])  
    print(s)

0    1
    1    2
    2    3
    3    4
    4    5
    dtype: int64

### DataFrame对象 ###

*  DataFrame 是带标签的多维数据结构，类似于表格，可以用来表示多列数据。

# 创建 DataFrame 对象  
    df = pd.DataFrame({
        '列 1': [1, 2, 3, 4, 5], '列 2': [6, 7, 8, 9, 10]})  
    print(df)

列 1  列 2
    0    1    6
    1    2    7
    2    3    8
    3    4    9
    4    5   10

*  属性

1.  index: DataFrame的行索引。
2.  columns: DataFrame的列索引。
3.  dtypes: DataFrame 的数据类型。
4.  shape: DataFrame的行数和列数，返回一个元组 (rows, columns)。
5.  size: DataFrame的行数和列数的乘积，返回一个整数。
6.  values:返回 DataFrame 的全部数据，不包括索引。
7.  iterrows():返回一个迭代器，可以遍历 DataFrame 的每一行。
8.  itertuples():返回一个迭代器，可以遍历 DataFrame 的所有元组。
9.  apply():对 DataFrame 的每一列应用一个函数。
10. agg():对 DataFrame 的每一列应用一个函数，返回一个新的 DataFrame。

### Numpy与DataFrame ###

import numpy as np
    import pandas as pd
    arr = np.array([[1, 2, 3], [4, 5, 6]])  
    df = pd.DataFrame(arr,index=["hang","zhou"],columns=["lie","zhou","ya"]) 
    print(df)

lie  zhou  ya
    hang    1     2   3
    zhou    4     5   6

## 处理缺失值 ##

1.  删除缺失值：使用`dropna()`函数，可以删除包含缺失值的行或列。例如：

import pandas as pd
    
    data = {
        'A': [1, 2, None, 4], 'B': [None, 2, 3, 4]}  
    df = pd.DataFrame(data)
    
    # 删除包含缺失值的行  
    df_no_na = df.dropna()
    
    # 删除包含缺失值的列  
    df_no_na = df.dropna(axis=1)

1.  填充缺失值：使用`fillna()`函数，可以填充缺失值。可以使用指定的值、前一个值、后一个值、均值、中位数等方法。例如：

import pandas as pd
    
    data = {
        'A': [1, 2, None, 4], 'B': [None, 2, 3, 4]}  
    df = pd.DataFrame(data)
    
    # 使用指定的值填充缺失值  
    df_filled = df.fillna(value=0)
    
    # 使用前一个值填充缺失值  
    df_filled = df.fillna(method='ffill')
    
    # 使用后一个值填充缺失值  
    df_filled = df.fillna(method='bfill')
    
    # 使用均值填充缺失值  
    df_filled = df.fillna(method='mean')

## 分组 ##

### groupby() 函数 ###

import pandas as pd
    
    # 创建一个 dataframe 对象  
    data = {
        'Category': ['A', 'B', 'A', 'B', 'A', 'B', 'A', 'A'],  
            'Value': [10, 20, 30, 40, 50, 60, 70, 80]}  
    df = pd.DataFrame(data)
    
    # 使用 groupby() 函数进行分组  
    grouped = df.groupby('Category')
    
    # 查看分组结果  
    for name, group in grouped:  
        print(name)  
        print(group)

A
      Category  Value
    0        A     10
    2        A     30
    4        A     50
    6        A     70
    7        A     80
    B
      Category  Value
    1        B     20
    3        B     40
    5        B     60

### apply（）函数 ###

*  pandas 库的 apply（） 函数用于对 DataFrame 或 Series 对象进行逐行或逐列的操作。它接受一个函数作为参数，并将该函数应用于对象的每个元素。apply 函数可以用于执行数据转换、计算、过滤等操作。

import pandas as pd
    
    # 创建一个 DataFrame  
    data = {
        'A': [1, 2, 3, 4], 'B': [5, 6, 7, 8]}  
    df = pd.DataFrame(data)
    
    # 定义一个函数，用于将每个元素乘以 2  
    def multiply_by_2(x):  
        return x * 2
    
    # 使用 apply 函数  
    result = df.apply(multiply_by_2)
    
    print(result)

执行结果：

A   B  
    0  2  10  
    1  4  12  
    2  6  14  
    3  8  16

## 透视表 ##

*  Pandas的透视表主要用于数据汇总和分析。当需要对大量数据进行快速汇总和分析时，可以使用透视表来完成。透视表可以将数据按照不同的维度进行分组，并计算每个分组的聚合数据，例如求和、平均值、计数等。

import pandas as pd
    
    # 创建一个数据框  
    data = {
        'A': [1, 2, 3, 4, 5],  
            'B': [10, 20, 30, 40, 50],  
            'C': [100, 200, 300, 400, 500]}  
    df = pd.DataFrame(data)
    
    # 创建透视表  
    pivot_table = pd.pivot_table(df, values='C', index='A', columns='B', aggfunc='sum')
    
    print(pivot_table)

输出：

B    sum  
    A            
    1        10  1100  
    2        20  2100  
    3        30  3100  
    4        40  4100  
    5        50  5100