IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> Python知识库 -> 2021-07-10 -> 正文阅读

[Python知识库]2021-07-10

功能强大的python包(二):Pandas

1. Pandas简介

Pandas图标
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。

数据结构定义
Series带标签的一维同构数组
DataFrame带标签、大小可变的二维异构表格

3. Pandas总览
在这里插入图片描述

  • 对象生成
    生成Series对象和DataFrame对象
函数实例
pd.Seriespd.Series([1,2,3,4],index=['一','二','三','四']
pd.DataFramepd.DataFrame([[1,2,3],[1,2,3]])
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
函数作用
df.head( )访问对象头部数据
df.tail( )访问对象尾部数据
df.describe( )访问对象的多个统计数据
df.index访问对象的行索引
df.columns访问对象的列索引
df.values访问对象的数据元素
df.loc[ ]按索引访问对象的数据
df.iloc[ ]按位置访问对象的数据
df[条件]通过条件筛选数据
df.isin([ ])通过条件筛选数据
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':[100000,964,1232,543,9990,200],'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。
函数作用
pd.read_csv( )读取.csv文将
pd.to_csv( )将数据保存为.csv文件
pd.read_excel( )读取.xlsx文件
pd.to_excel( )将数据保存为.xlsx文件
pd.read_hdf( )读取.h5文件
pd.to_hdf( )将数据保存为.h5文件
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)。
函数作用
df.dropna( )删除有缺失值的数据项
df.fillna( )填充缺失值
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':[100000,964,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。
函数作用
pd.concat([ ])拼接Series/DataFrame对象
pd.merge( )合并Series/DataFrame对象
pd.join( )合并Series/DataFrame对象
df.sort_index( )按索引重排数据
df.sort_values( )按值重排数据
Numpy方法Series/DataFrame对象可以调用Numpy方法
df.groupby([ ]).function( )分组进行function处理
df.apply(function)对对象整体调用function处理
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。
函数作用
pd.plot( )绘制折线图
pd.plot.hist( )绘制直方图
pd.plot.scatter( )绘制散点图
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官方文档

  Python知识库 最新文章
Python中String模块
【Python】 14-CVS文件操作
python的panda库读写文件
使用Nordic的nrf52840实现蓝牙DFU过程
【Python学习记录】numpy数组用法整理
Python学习笔记
python字符串和列表
python如何从txt文件中解析出有效的数据
Python编程从入门到实践自学/3.1-3.2
python变量
上一篇文章      下一篇文章      查看所有文章
加:2021-07-11 16:36:07  更:2021-07-11 16:36:28 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年12日历 -2024/12/25 14:50:17-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码
数据统计