Python数据分析学习笔记（2）pandas模块基础入门

pandas模块主要用于进行数据探索和数据分析。

（1）导入

import pandas as pda
#之后即可在代码中用pda代替pandas，省事

（2）创建数据：

Series:表示一串数字，代表一行一列，用index表示其索引。
DataFrame:数据框，类似表格，代表行列整合的数据，用columns表示其表头。

1）以数组形式创建：

#通过数组方式创建数据
a=pda.Series([8,9,2,1])
b=pda.Series([8,9,2,1],index=["a","b","c","d"])

c=pda.DataFrame([[5,8,9,6],[3,5,7,9],[33,54,58,10],[2,12,55,78]])
d=pda.DataFrame([[5,8,9,6],[3,5,7,9],[33,54,58,10],[2,12,55,78]],columns=["one","two","three","four"])

结果：

>>> a
0    8
1    9
2    2
3    1
dtype: int64
>>> b
a    8
b    9
c    2
d    1
dtype: int64
>>> c
    0   1   2   3
0   5   8   9   6
1   3   5   7   9
2  33  54  58  10
3   2  12  55  78
>>> d
   one  two  three  four
0    5    8      9     6
1    3    5      7     9
2   33   54     58    10
3    2   12     55    78

2）以数组形式创建：

#通过字典的方式创建数据框
e=pda.DataFrame({
"one":4,
"two":[3,2,1],
"three":list(str(982)),
    })

若数据参差不齐会自动填充，结果如下：

>>> e
   one three  two
0    4     9    3
1    4     8    2
2    4     2    1

（3）获取数据：

f=d.head()#头部数据，默认前五行
g=d.head(1)#从头部输出特定行

h=d.tail()#尾部数据，默认后五行
i=d.tail(2)#从尾部输出特定行

结果：

>>> f
   one  two  three  four
0    5    8      9     6
1    3    5      7     9
2   33   54     58    10
3    2   12     55    78
>>> g
   one  two  three  four
0    5    8      9     6
>>> h
   one  two  three  four
0    5    8      9     6
1    3    5      7     9
2   33   54     58    10
3    2   12     55    78
>>> i
   one  two  three  four
2   33   54     58    10
3    2   12     55    78

（4）数据统计：

扫描二维码关注公众号，回复： 3755376 查看本文章

d.describe()

结果：

>>> d.describe()
             one        two     three       four
count   4.000000   4.000000   4.00000   4.000000
mean   10.750000  19.750000  32.25000  25.750000
std    14.885675  23.012678  28.04015  34.874776
min     2.000000   5.000000   7.00000   6.000000
25%     2.750000   7.250000   8.50000   8.250000
50%     4.000000  10.000000  32.00000   9.500000
75%    12.000000  22.500000  55.75000  27.000000
max    33.000000  54.000000  58.00000  78.000000

从上至下分别代表：元素数量、平均值、标准差、最小值、25%分位数、50%分位数、75%分位数，最大值。

（5）转置（行列位置颠倒）

d=pda.DataFrame([[5,8,9,6],[3,5,7,9],[33,54,58,10],[2,12,55,78]],columns=["one","two","three","four"])

j=d.T

结果：

>>> d.T
       0  1   2   3
one    5  3  33   2
two    8  5  54  12
three  9  7  58  55
four   6  9  10  78

（6）数据导入：

1）导入CSV格式数据：

#数据导入
i=pda.read_csv("E:/hexun.csv")

可对导入的数据进行统计以及按列排序：

#统计
i.describe()
#排序
i.sort_values(by="21") #21是列名

2）导入Excel格式数据：

#excel
j=pda.read_excel("E:/abc.xls")

3）导入数据框ql数据（以mysql以及sqlite为例）：

#mysql
import pymysql
conn=pymysql.connect(host="127.0.0.1",user="root",db="hexun")
sql="select * from myhexun"
k=pda.read_sql(sql，conn)

#sqlite
import sqlite3
conn = sqlite3.connect('E:/dangdang.db')
sql="select * from house"
k=pda.read_sql(sql,conn)

4）导入html中的表格数据：

以某网页为例：

提取该网页的表格数据代码：

#html中的表格信息
l=pda.read_html("http://www.nseac.com/html/234/680687.html")

4）导入txt文本数据（注意文件要使用UTF-8编码）：

#导入文本
n=pda.read_table("E:/a.txt")

Python数据分析学习笔记（2）pandas模块基础入门

猜你喜欢