Pandas简介
Pandas 最常用于处理数据集。它具有分析、清理、探索和操作数据的功能。"Pandas"这个名称既指"Panel Data",也指"Python Data Analysis"。
,Pandas 让我们能够分析大数据并根据统计理论得出结论。Pandas 可以清理杂乱的数据集,使它们具有可读性和相关性。相关数据在数据科学中非常重要。
安装Pandas
使用pip来安装Pandas。
Pandas 中的数据类型
Pandas 中使用了两种类型的对象。一个是“Series”,用于创建和存储一维值,例如列或行。另一个是“ DataFrame ”,可以认为是一张表:它是二维的。DataFrame 包含行和列。在数据科学中将经常使用 Pandas DataFrames。可以在 Python 中编写代码时创建 Series 和 DataFrames,但通常情况下,DataFrames 不是在 Pandas 上创建的:数据是从其他地方导入的,因为在编写程序时很难逐个键入所有数据。此数据通常采用逗号分隔值 (.csv) 文件的形式。一个 .csv 文件可以使用 Pandas 转换为 DataFrame,然后你可以用它做很多事情。
Series 与 NumPy 数组非常相似(实际上它构建在 NumPy 数组对象之上)。NumPy 数组与 Series 的区别在于,Series 可以具有轴标签,这意味着它可以由标签索引,而不仅仅是数字位置。它也不需要保存数字数据,它可以保存任意 Python 对象。
- Series索引及数据列表代码示例。
import pandas as pd
import numpy as np
index = ['China','Canada','Mexico']
data = [1820,1920,1921]
mySeries = pd.Series(data,index)
print(mySeries)
ran_data = np.random.randint(0,100,4)
print(ran_data)
names = ['Sam','Ram','Max','Bob']
ages = pd.Series(ran_data,names)
print(ages)
pdSeries = pd.Series(data=[100,250,400,500],index=['Q1 Sales','Q2 Sales','Q3 Sales','Q4 Sales'],name='RedBull Sales 2021')
print(pdSeries)
代码运行输出如下图所示
- 从Python字典生成Series代码示例。
import pandas as pd
age = {'Bob':15,'Frank':23,'Mailo':18}
dictSeries = pd.Series(age)
print(dictSeries)
代码运行输出如下图所示:
- Series的命名索引,类似字典的取值方式,具体请看下面的代码示例,这里需要注意如果取值失败会直接expect错误,所以在取值的时候必须保证key跟index是存在的。
import pandas as pd
q1 = {'Japan': 80, 'China': 450, 'India': 200, 'USA': 250}
q2 = {'Brazil': 100,'China': 500, 'India': 210,'USA': 260}
sales_q1 = pd.Series(q1)
sales_q2 = pd.Series(q2)
print(sales_q1)
print(sales_q2)
print(sales_q1['India'])
print(sales_q2[2])
代码运行结果如下图所示:
- Series还可以做一些数学运算,下面是代码示例。
import pandas as pd
q1 = {'Japan': 80, 'China': 450, 'India': 200, 'USA': 250}
q2 = {'Brazil': 100,'China': 500, 'India': 210,'USA': 260}
sales_q1 = pd.Series(q1)
sales_q2 = pd.Series(q2)
print(sales_q1.keys()) # 取Series的key
print(sales_q1.values) # 取Series的values
new_sales_q1 = sales_q1 * 2
print(new_sales_q1)
float_sales_q1 = sales_q1 /100
print(float_sales_q1)
代码运行输出结果如下图所示:
Pandas DataFrame 是一种二维数据结构,如二维数组或具有行和列的表。
- 创建DataFrame对象。
import pandas as pd
import numpy as np
np.random.seed(10)
data = np.random.randint(0,101,(4,3))
print(data)
x = ['CA','NY','AZ','TX']
y = ['Jan','Feb','Mar']
df = pd.DataFrame(data,x,y)
print(df)
代码运行结果输出如下图所示:
- 从字典创建DataFrame对象。
import pandas as pd
dict_data = pd.DataFrame({'baidu': [10000,20000],
'aliyun':[30000,45000]},
index = ['Exicutive','Techie'])
print(dict_data)
代码运行结果输出如下图所示:
- 读取csv文件创建DataFrame对象。
读取csv文件需要安装xlrd跟openpyxl模块。
pip install xlrd
pip install openpyxl
import pandas as pd
df_csv = pd.read_csv("Employees.csv") # 读取csv文件
#df_excel = pd.read_excel("xxx.excel") #读取excel文件
print(df)
代码运行结果输出:
- 获取DataFrame的基本信息。
import pandas as pd
df = pd.read_csv("Employees.csv")
df.columns
import pandas as pd
df = pd.read_csv("Employees.csv")
df.head(5)
import pandas as pd
df = pd.read_csv("Employees.csv")
df.tail(3)
import pandas as pd
df = pd.read_csv("Employees.csv")
df.info
import pandas as pd
df = pd.read_csv("Employees.csv")
df.describe()
df.describe().transpose() # 改变表格的对齐方式
如何过滤数据呢?
针对每一行进行测试的单个条件,比如head,tail函数。
可以在一行中测试多个条件。以下示例返回由女性且工资大于 5000的情况。
import pandas as pd
df = pd.read_csv("Employees.csv")
filter1 = df["工资"] > 5000
filter2 = df["性别"] == "F"
result = filter1 & filter2
df[result].head(3)
查询方法提供了一种替代方法,通常是一种比上述方法更易读的过滤数据的方法。表示条件的字符串被传递给查询方法以过滤数据。
import pandas as pd
df = pd.read_csv("Employees.csv")
df.query('工资 > 8000').head(2)
import pandas as pd
df = pd.read_csv("Employees.csv")
df.query('工资 > 5000 and 性别 =="F"')
聚合的技术定义是用单个数字汇总一系列值。例如 sum、mean、median、max 和 min 都是聚合方法的例子
import pandas as pd
df=pd.DataFrame({'user':['Alice','Tom','Bob','Alice','Bob','Alice'],'money':range(6)})
df.groupby(['user']).sum() # sum聚合
结论
这些是 Pandas 中基本操作的一些示例。在 Pandas 中还能够创建数据可视化。
本文转载自微信公众号「爱编码的社畜」,可以通过以下二维码关注。转载本文请联系爱编码的社畜公众号。
免责声明:
① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。
② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341