数据分析库-Pandas

大家好，欢迎来到IT知识分享网。

1. Pandas简介

Pandas

Pandas是一个强大的分析结构化数据的工具集；它的使用基础是Numpy（提供高性能的矩阵运算）。

Pandas是一种结构化数据工具集，可以用于数据挖掘、数据分析、数据清洗、数据可视化等。

2. 数据类型

Pandas库最重要的两种数据结构是Series、DataFrame。

Series：一种类似于一维数组的对象， 是由一组Numpy数据及该数据对应的数字序列构成；可以通过该数字序列访问Numpy数据。

DadaFrame：一种表格型的数据结构，是由一组有序的列构成，每一列可以是不同的数据类型，相当于Series数据结构集合；与表格数据类似，DadaFrame数据有行索引和列索引；结合行、列索引可以访问其中单个数据元素。

3. Pandas总览

• 对象生成

生成Series对象和DataFrame对象

import pandas as pd pd.Series([1,2,3,4],index=['一'，'二'，'三'，'四'] pd.DataFrame([[1,2,3],[1,2,3]])

• 数据访问

访问Series对象和DataFrame对象中的数据元素

import pandas as pd import pandas as pd df = pd.DataFrame({'公号名':['人类之奴','十点美剧','韩剧剧场','果壳网','十点读书','胖胖啊'],'领域':['科技','影视','影视','科普','阅读','情感'],'粉丝数':[,964,1232,543,9990,200],'更新':['日更','周更','日更','月更','周更','日更']}) df.head() df.tail(1) df['粉丝数'].describe() df.index df.columns df.values df.loc[0] df.loc[:]['公号名'] df.iloc[1:3] df.iloc[1:4,0:2] df[df['粉丝数']>9000] df[df['领域'].isin(['科技'])]

• 文件读写

Pandas可以读写.csv、.xlsx等常用文件；读取的同时将数据转换成DataFrame数据结构，用于后续处理。

import pandas as pd path = 'D:\\桌面\\pd0.csv' #GB18030可以解码包含中文的文件 df_csv = pd.read_csv(path,encoding='GB18030') df_csv.to_csv('人类之奴.csv') df_xlsx = pd.read_excel('D:\\桌面\\python包.xlsx',sheet_name=0) df_xlsx.to_excel('人类之奴.xlsx') df_hdf = pd.read_hdf('人类之奴.h5') df_csv.to_hdf('人类之奴.h5','a')

• 数据清洗

对对象中缺失的、有问题的数据进行处理（删除、填充、替换）。

import pandas as pd df = pd.DataFrame({'公号名':['人类之奴','十点美剧','韩剧剧场','果壳网','十点读书','胖胖啊'],'领域':['科技',None,'影视','科普',None,'情感'],'粉丝数':[,964,None,543,9990,200],'更新':['日更','周更','日更','月更','周更','日更']}) df.head() df.dropna() df.fillna('科技')

• 数据处理

数据处理包括数据拼接、数据重排、数据分析等。

import pandas as pd import numpy as np df1 = pd.DataFrame({'名称':['甲','乙','丙','丁'],'语文':[56,34,67,89]}) df2 = pd.DataFrame({'名称':['甲','乙','丙','丁'],'数学':[98,97,89,35]}) pd.concat([df1,df2],axis=1) pd.merge(df1,df2) df = pd.merge(df1,df2) df.sort_index(1,ascending=False) df.sort_values(by='数学') df.groupby(['数学']).mean() df['数学'].apply(np.median)

• 数据可视化

对Series/DataFrame对象进行可视化。

import pandas as pd import numpy as np import matplotlib.pyplot as plt df1 = pd.DataFrame({'语文':[56,34,67,89]}) df2 = pd.DataFrame({'数学':[98,97,89,35]}) pd.concat([df1,df2],axis=1) pd.merge(df1,df2) df.plot() df.plot.hist() df.plot.scatter() #运行出错，没有解决这个问题，希望懂得朋友评论区帮忙解决一下

写在最后

链接：Pandas 中文