大家好，欢迎来到IT知识分享网。
目录
一、pandas简介
1.1 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！
1.2 什么是pandas？
首先先来认识pandas中的两个常用的类
- Series
- DataFrame
1.3 环境搭建
pip install pandas二、Series（一维）
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
2.1 Series的创建
- 由列表或numpy数组创建
- 由字典创建
from pandas import Series import numpy as np # 1、列表创建Series s = Series(data=[1, 2, 3, 'four']) print(s) # 2、numpy创建Series s1 = Series(data=np.random.randint(0, 100, size=(3,))) print(s1)
2.2 Series索引和切片
from pandas import Series # index用来指定显示索引 s = Series(data=[1, 2, 3, 'four'], index=['a', 'b', 'c', 'd']) print(s)
为什么需要有显示索引？
显示索引可以增强Series的可读性。
比如：
from pandas import Series dic = { '语文': 100, '数学': 99, '英语': 80 } s = Series(data=dic) print(s)
from pandas import Series dic = { '语文': 100, '数学': 99, '英语': 80 } s = Series(data=dic) print(s.语文) print(s[0]) print(s[0:2])
2.3 Series的常用属性
- shape：返回形状
- size：返回元素个数
- index：返回索引
- values：返回值
- dtype：返回元素类型
from pandas import Series dic = { '语文': 100, '数学': 99, '英语': 80 } s = Series(data=dic) print(s.values)
2.4 Series的常用方法
- head(),tail()
- unique()
- isnull(),notnull()
- add() sub() mul() div()
from pandas import Series import numpy as np s = Series(data=np.random.randint(60, 100, size=(10,))) # 显示前3个数据 print(s.head(3)) # 显示后3个数据 print(s.tail(3)) # 去重 print(s.unique()) # 判断每一个元素是否为空，为空返回True，否则返回False print(s.isnull()) 三、DataFrame（多维）
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
3.1 DataFrame的创建
- ndarray创建
- 字典创建
from pandas import Series, DataFrame import numpy as np df = DataFrame(data=[[1, 2, 3], [4, 5, 6]]) print(df)
# 创建6行4列的二维数组 df_1 = DataFrame(data=np.random.randint(0, 100, size=(6, 4))) print(df_1)
dic = { 'name': ['苏格拉底', '柏拉图', '亚里士多德'], 'salary': [1000, 2000, 3000] } df_2 = DataFrame(data=dic)
3.2 DataFrame的属性
- values
- columns
- index
- shape
3.3 索引&切片
创建二维数组
from pandas import Series, DataFrame import numpy as np df = DataFrame(data=np.random.randint(60, 100, size=(8, 4)), columns=['a', 'b', 'c', 'd'])
取单列
df = DataFrame(data=np.random.randint(60, 100, size=(8, 4)), columns=['a', 'b', 'c', 'd']) # 取单列，如果df有显示的索引，通过索引机制去行或者列的时候可以使用显示索引 df['a']
取多列
df[['a', 'c']] # 取多列
取单行
- iloc:
- 通过隐式索引取行
- loc:
- 通过显示索引取行
df.iloc[0]
取多行
df.iloc[[0, 3, 5]]
获取指定行列数据
# 取0行3列的数据 df.iloc[0,3]对行进行切片
源数据
# 取前两行 df[0:2]对列进行切片
# 取前两列 df.iloc[:,0:2]
总结
df索引和切片操作
- 索引：
- df[col]:取列
- df.loc[index]:取行
- df.iloc[index,col]:取元素
- 切片：
- df[index1:index3]:切行
- df.iloc[:,col1:col3]:切列
时间类型
时间数据类型的转换
- pd.to_datetime(col)
from pandas import Series, DataFrame import pandas as pd dic = { 'time': ['2020-10-10', '2011-11-20', '2020-01-05'], 'temp': [33, 31, 30] } df = DataFrame(data=dic) # 将time列的字符串类型转成时间类型 df['time'] = pd.to_datetime(df['time']) print(df['time'].dtype)
将某一列设置为行索引
- df.set_index()
from pandas import Series, DataFrame import pandas as pd dic = { 'time': ['2020-10-10', '2011-11-20', '2020-01-05'], 'temp': [33, 31, 30] } df = DataFrame(data=dic) # 将time列的作为源数据的行索引 df.set_index('time', inplace=True)
免责声明：本站所有文章内容,图片，视频等均是来源于用户投稿和互联网及文摘转载整编而成，不代表本站观点，不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益，请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权，请联系删除，如若转载，请注明出处：https://haidsoft.com/146556.html
