[Python知识库]数据分析：Pandas基础

Pandas中两个常用的类（两种不同的数据结构）：Series、DataFrame

Series

????????Series是一种类似于一维数组的对象，由两部分组成：

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

from pandas import Series

Series的创建

• 由列表或numpy数组创建
• 由字典创建

????????Series参数：data（数据源）、index（索引）

list作为数据源

ss=Series([1,2,3,'four'])
输出：
0       1
1       2
2       3
3    four
dtype: object

ndarray作为数据源

ss=Series(np.random.randint(0,100,(5,)))  #（m,n）不可以，因为二维，（m,）、m 这俩一维 

字典作为数据源

dic={'语文'：100，数学：99，'英语'，425}
ss=Series(data=dic)
输出：
语文    100
数学     99
英语    425
dtype: int64

?Series的索引和切片

ss[0]   #100
s.语文  #100
s[0:2]  
#输出
  语文    100
  数学     99
  dtype: int64

Series的常用属性

? ? ? ? s.shape：返回形状

? ? ? ? s.size：返回元素个数

? ? ? ? s.index：返回索引

? ? ? ? s.values：返回value值

? ? ? ? s.dtype：返回元素类型（Series也只能保存同一类型的数据）

ss=Series([1,2,3,'four'])
ss.dtype     #dtype('O') 数据类型O表示Object（字符串类型）

Series的常用方法

• head(),tail()
• unique()
• isnull(),notnull()
• add(),sub(),mul(),div()? ? 和运算符一样的效果

ss=Series(np.random.randint(0,100,(10,)))

ss.head(n)     #显示前n个数据
ss.tail(n)     #显示后n个数据

ss.unique()    #去重

s.isnull()     #用于判断每一个元素是否为空，为空返回Ture，否则False
s.notnull()

Series的算术运算

? ? ? ? 法则：索引一致的元素进行算术运算，否则补空NAN

ss=Series([1,2,3]，index=['a','b','c'])
sss=Series([1,2,3]，index=['a','d','c'])

ssss=ss+sss

#输出
a    2.0
b    NaN
c    6.0
d    NaN
dtype: float64

DataFrame

????????DataFrame是一个【表格型】数据结构，由按一定顺序排列的多列数据组成。DataFrame既有行索引，也有列索引。

• 行索引：index
• 列索引：columns
• 值：values

from pandas import DataFrame

DataFrame的创建

#创建方式一：列表
DataFrame(data=[[1,2,3],[4,5,6]])
#创建方式二：ndarray
DataFrame(data=np.random.randint(0,100,size=(6,4))
#创建方式三：字典
dic={'name':['张三','李四','王五'],'salary':[1000,2000,3000]}
DataFrame(data=dic) #左
DataFrame(data=dic,index=['a','b','c']) #右

?

?DataFrame的属性

df=DataFrame(data=[[1,2,3],[4,5,6]])

df.values    #返回二维形式的数据
df.index     #返回行索引
df.columns   #返回列索引
df.shape     #返回形状

?DataFrame的索引操作

• 对行索引
• 对列索引
• 对元素索引

#取列(这种方式只能取列)
df=DataFrame(data=np.random.randint(0,100,size=(6,4),columns=['a','b','c','d'])
df['a']  #取列，如果df有显示索引，只可以使用显式索引，没有显式索引，就可以用隐式索引
df[['a','c']]  #取多列一定要是二维的

#取行
df.iloc[0]            #取单行
df.iloc[[0,3,5]]      #取多行

df.loc[0]             #取单行(一定用显式索引)
df.iloc[[0,3,5]]      #取多行(一定用显式索引)

?

? ? ? ? iloc：通过隐式索引取行

? ? ? ? loc：通过显示索引取行

#取元素
#取单个元素
df.iloc[0,2]    #取出隐式索引[0,2]对应的值
df.loc[0,'a']   #取出显式索引[0,'a']对应的值

#取多个元素
df.iloc[[0,2,4],2]

??DataFrame的切片操作

• ?对行切片
• 对列切片

#行
df[0:2]    #前两行

#列
df.iloc[:.0:2]

???DataFrame的运算

? ? ? ? 同Series

? ?时间数据类型的转换

dic={'time':['2010-10-10','2011-11-20','2020-01-10'],'temp':[33,31,30]}
df=DataFrame(data=dic)
df.dtype    #dtype('O')

#将time列的数据类型转换成时间序列类型
df['time']=pd.to_datetime(df['time'])    #dtype:datetime64[ns]

? ?将某一列设置为行索引

#将time列作为行索引
df.set_index('time')                 #这样原始的df没有改变，只是生成了一个新的df
df.set_index('time',inplace=True)    #这样就把原始的df替代了