pandas基本介绍-【老鱼学pandas】

前面我们学习了numpy，现在我们来学习一下pandas。PYTHON Data Analysis Library 或 pandas 主要用于处理类似excel一样的数据格式，其中有表头、数据序列号以及实际的数据，而numpy就仅仅包含了实际的数据。

安装

直接输入：

PYTHON">PYTHON">pip3 install pandas

最基本用法

PYTHON">PYTHON">import pandas as pd

s = pd.Series([1, 2, 5, 6])

print(s)

输出：

PYTHON">PYTHON">0    1

1    2

2    5

3    6

dtype: int64

我们可以看到pandas自动添加了数据的序列号。

自定义索引项和列名

PYTHON">PYTHON">import pandas as pd

import numpy as np

# 创建一个日期索引项

dates = pd.date_range("2017-01-04", periods=6)

print("dates=", dates)

# 创建一个类似excel表格一样的数据表，其中索引项为日期索引，列名为：a,b,c,d

data = pd.DataFrame(np.random.rand(6, 4), index=dates, columns=["a", "b", "c", "d"])

print("data=")

print(data)

输出：

PYTHON">PYTHON">dates= DatetimeIndex(['2017-01-04', '2017-01-05', '2017-01-06', '2017-01-07',

               '2017-01-08', '2017-01-09'],

              dtype='datetime64[ns]', freq='D')

data=

                   a         b         c         d

2017-01-04 0.637641 0.756613 0.297506 0.692492

2017-01-05 0.319457 0.401690 0.550955 0.862642

2017-01-06 0.685646 0.007546 0.376774 0.735220

2017-01-07 0.767868 0.000718 0.799336 0.428242

2017-01-08 0.004777 0.292726 0.227704 0.117925

2017-01-09 0.946817 0.153245 0.154102 0.165621

看，输出了一个比较规整的电子表格。上面这些命令包括需要哪些参数不需要特别记忆，如果你用idea的话会自动给你提示的。

默认索引号和列名

如果我们没有指定索引号和列名，pandas会自动以0,1,2这样的自然数来定义我们的索引号和列名，例如：

PYTHON">PYTHON">import pandas as pd

import numpy as np

data = pd.DataFrame(np.random.rand(6, 4))

print("data=")

print(data)

输出：

PYTHON">PYTHON">data=

          0         1         2         3

0 0.515289 0.900554 0.490999 0.941186

1 0.706116 0.267078 0.870968 0.904068

2 0.002414 0.648418 0.579449 0.827671

3 0.473538 0.640514 0.564209 0.040902

4 0.052849 0.372015 0.613814 0.516763

5 0.484220 0.479558 0.007722 0.216598

map方式创建DataFrame

可以用一个map方式来创建DataFrame，这样相当于map中的key为列名，value为此列的数据列表：

PYTHON">PYTHON">import pandas as pd

import numpy as np

data = pd.DataFrame({

    "A": np.array([1, 2, 3, 5]),

    "B": ["test", "train", "GO", "JAVA"],

    "C": "dog",

    "D": 12

})

print("data=")

print(data)

输出为：

PYTHON">PYTHON">data=

   A      B    C   D

0 1   test dog 12

1 2 train dog 12

2 3     GO dog 12

3 5   JAVA dog 12

查看每列的数据类型

我想知道pandas中每列的数据类型，有点像了解数据库中表的字段类型，这可以通过dtypes属性获得：

PYTHON">PYTHON">import pandas as pd

import numpy as np

data = pd.DataFrame({

    "A": np.array([1, 2, 3, 5]),

    "B": ["test", "train", "GO", "JAVA"],

    "C": "dog",

    "D": 12

})

print(data.dtypes)

输出：

PYTHON">PYTHON">A     int32

B    object

C    object

D     int64

dtype: object

获得列名和索引

想要获得pandas中的列名和索引，只要使用columns和index属性就可以：

PYTHON">PYTHON">import pandas as pd

import numpy as np

data = pd.DataFrame({

    "A": np.array([1, 2, 3, 5]),

    "B": ["test", "train", "GO", "JAVA"],

    "C": "dog",

    "D": 12

})

print("列名：", data.columns)

print("索引：", data.index)

输出：

PYTHON">PYTHON">列名： Index(['A', 'B', 'C', 'D'], dtype='object')

索引： RangeIndex(start=0, stop=4, step=1)

使用describe()函数对数据快速统计汇总

PYTHON">PYTHON">import pandas as pd

import numpy as np

data = pd.DataFrame({

    "A": np.array([1, 2, 3, 5]),

    "B": ["test", "train", "GO", "JAVA"],

    "C": "dog",

    "D": 12

})

print(data.describe())

输出：

PYTHON">PYTHON">              A     D

count 4.000000   4.0

mean   2.750000 12.0

std    1.707825   0.0

min    1.000000 12.0

25%    1.750000 12.0

50%    2.500000 12.0

75%    3.500000 12.0

max    5.000000 12.0

其中就对可计算的列进行计数、求平均值、方差、最小值、最大值等。

pandas转置

相当于把电子表格中的行和列翻转一下。

PYTHON">PYTHON">import pandas as pd

import numpy as np

data = pd.DataFrame({

    "A": np.array([1, 2, 3, 5]),

    "B": ["test", "train", "GO", "JAVA"],

    "C": "dog",

    "D": 12

})

print(data.T)

输出：

PYTHON">PYTHON">      0      1    2     3

A     1      2    3     5

B test train   GO JAVA

C   dog    dog dog   dog

D    12     12   12    12

这样索引项就变成了原先数据集中的列名。

排序

sort_index()可以按照索引项进行排序。

PYTHON">PYTHON">import pandas as pd

import numpy as np

data = pd.DataFrame({

    "A": np.array([1, 2, 3, 5]),

    "B": ["test", "train", "GO", "JAVA"],

    "C": "dog",

    "D": 12

})

# 按照索引项进行倒排

print("按照索引项进行倒排:")

print(data.sort_index(ascending=False))

# 对列名进行倒排

print("对列名进行倒排:")

print(data.sort_index(axis=1, ascending=False))

输出：

PYTHON">PYTHON">按照索引项进行倒排:

   A      B    C   D

3 5   JAVA dog 12

2 3     GO dog 12

1 2 train dog 12

0 1   test dog 12

对列名进行倒排:

    D    C      B A

0 12 dog   test 1

1 12 dog train 2

2 12 dog     GO 3

3 12 dog   JAVA 5

排序中的数据会跟着列或索引项进行调换顺序，因此数据不会错乱。

按照值排序

使用sort_values()函数对值进行排序，其中可以指定按照哪一列的数据进行排序的:

PYTHON">PYTHON">import pandas as pd

import numpy as np

data = pd.DataFrame({

    "A": np.array([1, 2, 3, 5]),

    "B": ["test", "train", "GO", "JAVA"],

    "C": "dog",

    "D": 12

})

print(data.sort_values(by='B'))

输出：

PYTHON">PYTHON">   A      B    C   D

2 3     GO dog 12

3 5   JAVA dog 12

0 1   test dog 12

1 2 train dog 12

pandas基本介绍-【老鱼学pandas】

猜你喜欢