数据挖掘 pandas基础入门之操作

统计

import pandas
import numpy

# 通过传递一个 numpyarray，时间索引以及列标签来创建一个DataFrame：
dates = pandas.date_range("20180509", periods=6)
df = pandas.DataFrame(numpy.random.randn(6, 4), index=dates, columns=list('ABCD'))
print("时间索引以及列标签来创建一个DataFrame:", df, sep="\n")

# 描述性统计，求每一列的平均数
print("每一列的平均数", df.mean(), sep="\n")

# 其他轴的形同操作
print("每一行的平均数", df.mean(1), sep="\n")

# 对于拥有不同维度、需要对其的对象进行操作。Pandas会自动沿着指定的维度进行广播
s = pandas.Series([1, 3, 5, numpy.nan, 6, 8], index=dates).shift(2)  # shift函数主要的功能就是使数据框中的数据移动。
print("行索引不变，移动列的数据。", s, sep="\n")
print("df-s", df.sub(s, axis='index'), sep="\n")# 按照index进行匹配，为s补全为一个矩阵后进行计算，完成两个矩阵相减（df-s）

"E:\Python 3.6.2\python.exe" F:/PycharmProjects/test.py
时间索引以及列标签来创建一个DataFrame:
                   A         B         C         D
2018-05-09  0.689544  0.875232  0.452993  1.875628
2018-05-10 -0.216719  0.298931 -1.159366  0.188906
2018-05-11  0.268589  1.206928 -0.119726 -0.148764
2018-05-12 -1.035244  1.092390  1.006421 -0.226186
2018-05-13  0.670916  0.738597 -0.184312 -1.280867
2018-05-14 -0.359534  1.109787  0.650537 -0.030985
每一列的平均数
A    0.002925
B    0.886978
C    0.107758
D    0.062955
dtype: float64
每一行的平均数
2018-05-09    0.973349
2018-05-10   -0.222062
2018-05-11    0.301757
2018-05-12    0.209345
2018-05-13   -0.013917
2018-05-14    0.342451
Freq: D, dtype: float64
行索引不变，移动列的数据。
2018-05-09    NaN
2018-05-10    NaN
2018-05-11    1.0
2018-05-12    3.0
2018-05-13    5.0
2018-05-14    NaN
Freq: D, dtype: float64
                   A         B         C         D
2018-05-09       NaN       NaN       NaN       NaN
2018-05-10       NaN       NaN       NaN       NaN
2018-05-11 -0.731411  0.206928 -1.119726 -1.148764
2018-05-12 -4.035244 -1.907610 -1.993579 -3.226186
2018-05-13 -4.329084 -4.261403 -5.184312 -6.280867
2018-05-14       NaN       NaN       NaN       NaN

Process finished with exit code 0

函数apply()

import pandas
import numpy

# 通过传递一个 numpyarray，时间索引以及列标签来创建一个DataFrame：
dates = pandas.date_range("20180509", periods=6)
df = pandas.DataFrame(numpy.random.randn(6, 4), index=dates, columns=list('ABCD'))
print("时间索引以及列标签来创建一个DataFrame:", df, sep="\n")

# 对数据应用函数
print("从第一行开始，其下一行网上一行结果上累加:", df.apply(numpy.cumsum), sep="\n")  # 每行数值向上求和
print("每列的最大数减去最小数：", df.apply(lambda x: x.max() - x.min()), sep="\n")

"E:\Python 3.6.2\python.exe" F:/PycharmProjects/test.py
时间索引以及列标签来创建一个DataFrame:
                   A         B         C         D
2018-05-09  0.628765 -1.453298 -0.169228 -0.185065
2018-05-10  0.444467  0.159900 -1.581807  0.852065
2018-05-11  1.537534 -1.718371 -1.378338 -0.183929
2018-05-12 -2.131473 -2.586691 -0.241944 -0.842446
2018-05-13 -0.898688  0.394125  1.413996 -1.897569
2018-05-14 -0.891981  0.913925  0.686605 -0.842980
从第一行开始，其下一行网上一行结果上累加:
                   A         B         C         D
2018-05-09  0.628765 -1.453298 -0.169228 -0.185065
2018-05-10  1.073232 -1.293399 -1.751035  0.667000
2018-05-11  2.610767 -3.011770 -3.129372  0.483071
2018-05-12  0.479293 -5.598461 -3.371316 -0.359374
2018-05-13 -0.419395 -5.204337 -1.957321 -2.256944
2018-05-14 -1.311376 -4.290412 -1.270715 -3.099924
每列的最大数减去最小数：
A    3.669008
B    3.500616
C    2.995802
D    2.749634
dtype: float64

Process finished with exit code 0

直方图

import pandas
import numpy

# 通过传递一个 numpyarray，时间索引以及列标签来创建一个DataFrame：
dates = pandas.date_range("20180509", periods=6)
df = pandas.DataFrame(numpy.random.randn(6, 4), index=dates, columns=list('ABCD'))
print("时间索引以及列标签来创建一个DataFrame:", df, sep="\n")

s = pandas.Series(numpy.random.randint(0, 7, size=10))
print("随机生成十个数的序列：", s, sep="\n")
print("统计每个数出现的次数：", s.value_counts(), sep="\n")

"E:\Python 3.6.2\python.exe" F:/PycharmProjects/test.py
时间索引以及列标签来创建一个DataFrame:
                   A         B         C         D
2018-05-09 -1.447060  0.998378 -0.272173 -0.240873
2018-05-10  2.019563  0.397001  1.469093 -0.313272
2018-05-11  0.932445  0.973830 -1.914278 -1.374748
2018-05-12 -0.980636  1.336340 -0.232319  1.176833
2018-05-13 -1.850315 -0.738035 -1.085791  1.378875
2018-05-14  1.162965  1.892369  0.499482  0.647424
0    5
1    2
2    1
3    4
4    1
5    5
6    0
7    1
8    0
9    3
dtype: int32

Process finished with exit code 0

字符串方法

Series对象在其str属性中配备了一组字符串处理方法，可以很容易的应用到数组中的每个元素。

import pandas
import numpy

s = pandas.Series(['A', 'B', 'C', 'Aaba', 'Baca', numpy.nan, 'CABA', 'dog', 'cat'])
print("序列值全部改成小写：", s.str.lower(), sep="\n")

"E:\Python 3.6.2\python.exe" F:/PycharmProjects/test.py
序列值全部改成小写：
0       a
1       b
2       c
3    aaba
4    baca
5     NaN
6    caba
7     dog
8     cat
dtype: object

Process finished with exit code 0

数据挖掘 pandas基础入门之操作

统计

函数apply()

直方图

字符串方法

猜你喜欢