艺赛旗(RPA) Pandas 类库基础知识

艺赛旗 RPA8.0全新首发免费下载 点击下载
http://www.i-search.com.cn/index.html?from=line1 详细内容请参看艺赛旗官网支持栏目:RPA社区
点击链接进入 http://support.i-search.com.cn/

上次有讲过 numpy 的基础知识,这次来讲讲 Pandas 的基础知识。

Series
s1
Out[16]:
0 a
1 b
2 c
3 d
没有指定索引时,会默认生成一个从 0 开始到 N-1 的整型索引。

Series 会根据传入的 list 序列中元素的类型判断 Series 对象的数据类型,如果全部都是整型,则创建的 Series 对象是整型,如果有一个元素是浮点型,则创建的 Series 对象是浮点型,如果有一个是字符串,则创建的 Series 对象是 object 类型。

s1 = Series([1,2,3,4])
s1
Out[23]:
0 1
1 2
2 3
3 4
dtype: int64
s2 = Series([1,2,3,4.0])
s2
Out[25]:
0 1.0
1 2.0
2 3.0
3 4.0
dtype: float64
s3 = Series([1,2,3,‘4’])
s3
Out[27]:
0 1
1 2
2 3
3 4
dtype: object
除了通过 list 序列创建 Series 对象外,还可以通过 dict 创建 Series 对象。

s1 = Series({‘a’:1,‘b’:2,‘c’:3,‘d’:4})
s1
Out[37]:
a 1
b 2
c 3
d 4
dtype: int64
通过 dict 词典创建 Series 对象时,会将词典的键初始化 Series 的 Index,而 dict 的 value 初始化 Series 的 value。

Series 还支持传入一个 dict 词典和一个 list 序列创建 Series 对象:

dict1 = {‘a’:1,‘b’:2,‘c’:3,‘d’:4}
index1 = [‘a’,‘b’,‘e’]
s1 = Series(dict1,index=index1)
s1
Out[51]:
a 1.0
b 2.0
e NaN
dtype: float64
上面的代码中,指定了创建的 Series 对象 s1 的索引是 index1,即’a’,‘b’和’e’。s1 的值是 dict1 中和 index1 索引相匹配的值,如果不匹配,则显示 NaN。例如索引’e’和 dict1 中的键没有相匹配的,则索引’e’的值为 NaN。索引’a’和索引’b’都匹配得上,因此值为 1 和 2。

Series 通过索引访问值:

s1 = Series({‘a’:1,‘b’:2,‘c’:3,‘d’:4})
s1
Out[39]:
a 1
b 2
c 3
d 4
dtype: int64
s1[‘b’]
Out[40]: 2
上面代码中通过 s1[‘b’] 就可以访问到索引 b 对应的值。

Series 支持逻辑和数学运算:

s1 = Series([2,5,-10,200])
s1 * 2
Out[53]:
0 4
1 10
2 -20
3 400
dtype: int64
s1[s1>0]
Out[54]:
0 2
1 5
3 200
dtype: int64
对 Series 变量做数学运算,会作用于 Series 对象中的每一个元素。

s1 = Series([2,5,-10,200])
s1[s1>0]
Out[7]:
0 2
1 5
3 200
dtype: int64
对 Series 做逻辑运算时,会将 Series 中的值替换为 bool 类型的对象。

s1 = Series([2,5,-10,200])
s1
Out[10]:
0 2
1 5
2 -10
3 200
dtype: int64
s1 > 0
Out[11]:
0 True
1 True
2 False
3 True
dtype: bool
通过 series 的逻辑运算,可以过滤掉一些不符合条件的数据,例如过滤掉上面例子中小于 0 的元素:

s1 = Series([2,5,-10,200])
s1[s1 >0]
Out[23]:
0 2
1 5
3 200
dtype: int64
Series 对象和索引都有一个 name 属性,通过下面的方法可以设置 Series 对象和索引的 name 值:

fruit = {0:‘apple’,1:‘orange’,2:‘banana’}
fruitSeries = Series(fruit)
fruitSeries.name=‘Fruit’
fruitSeries
Out[27]:
0 apple
1 orange
2 banana
Name: Fruit, dtype: object
fruitSeries.index.name=‘Fruit Index’
fruitSeries
Out[29]:
Fruit Index
0 apple
1 orange
2 banana
Name: Fruit, dtype: object
可以通过 index 复制方式直接修改 Series 对象的 index:

fruitSeries.index=[‘a’,‘b’,‘c’]
fruitSeries
Out[31]:
a apple
b orange
c banana
Name: Fruit, dtype: object
DataFrame
DataFrame 是表格型的数据结构,和关系型数据库中的表很像,都是行和列组成,有列名,索引等属性。

我们可以认为 DataFrame 中的列其实就是上面提到的 Series,有多少列就有多少个 Series 对象,它们共享同一个索引 index。

通过 dict 字典创建 DataFrame 对象:

data = {‘fruit’:[‘Apple’,‘Apple’,‘Orange’,‘Orange’,‘Banana’],
‘year’:[2010,2011,2012,2011,2012],
‘sale’:[15000,17000,36000,24000,29000]}
frame = DataFrame(data)
frame
Out[12]:
fruit year sale
0 Apple 2010 15000
1 Apple 2011 17000
2 Orange 2012 36000
3 Orange 2011 24000
4 Banana 2012 29000
使用上面的方式创建 DataFrame 对象时,字典中每个元素的 value 值必须是列表,并且长度必须一致,如果长度不一致会报错。例如 key 为 fruit、year、sale 对应的列表长度必须一致。

创建 DataFrame 对象和会创建 Series 对象一样自动加上索引。

通过传入 columns 参数指定列的顺序:

data = {‘fruit’:[‘Apple’,‘Apple’,‘Orange’,‘Orange’,‘Banana’],
‘year’:[2010,2011,2012,2011,2012],
‘sale’:[15000,17000,36000,24000,29000]}
frame = DataFrame(data,columns=[‘sale’,‘fruit’,‘year’,‘price’])
frame
Out[25]:
sale fruit year price
0 15000 Apple 2010 NaN
1 17000 Apple 2011 NaN
2 36000 Orange 2012 NaN
3 24000 Orange 2011 NaN
4 29000 Banana 2012 NaN
如果传入的列在数据中找不到,就会产生 NaN 值。

DataFrame 的 index 也是可以修改的,同样传入一个列表:

frame = DataFrame(data,columns=[‘sale’,‘fruit’,‘year’],index=[4,3,2,1,0])
frame
Out[22]:
sale fruit year
4 15000 Apple 2010
3 17000 Apple 2011
2 36000 Orange 2012
1 24000 Orange 2011
0 29000 Banana 2012
通过传入的 [4,3,2,1,0] 就将原来的 index 从 0,1,2,3,4 改变为 4,3,2,1,0。

通过 DataFrame 对象获取 Series 对象:

frame[‘year’]
Out[26]:
0 2010
1 2011
2 2012
3 2011
4 2012
Name: year, dtype: int64
frame[‘fruit’]
Out[27]:
0 Apple
1 Apple
2 Orange
3 Orange
4 Banana
Name: fruit, dtype: object
frame[‘fruit’] 和 frame.fruit 都可以获取列,并且返回的是 Series 对象。

DataFrame 赋值,就是对列赋值,首先获取 DataFrame 对象中某列的 Series 对象,然后通过赋值的方式就可以修改列的值:

data = {‘fruit’:[‘Apple’,‘Apple’,‘Orange’,‘Orange’,‘Banana’],
‘year’:[2010,2011,2012,2011,2012],
‘sale’:[15000,17000,36000,24000,29000]}
frame = DataFrame(data,columns=[‘sale’,‘fruit’,‘year’,‘price’])
frame
Out[24]:
sale fruit year price
0 15000 Apple 2010 NaN
1 17000 Apple 2011 NaN
2 36000 Orange 2012 NaN
3 24000 Orange 2011 NaN
4 29000 Banana 2012 NaN
frame[‘price’] = 20
frame
Out[26]:
sale fruit year price
0 15000 Apple 2010 20
1 17000 Apple 2011 20
2 36000 Orange 2012 20
3 24000 Orange 2011 20
4 29000 Banana 2012 20
frame.price = 40
frame
Out[28]:
sale fruit year price
0 15000 Apple 2010 40
1 17000 Apple 2011 40
2 36000 Orange 2012 40
3 24000 Orange 2011 40
4 29000 Banana 2012 40
frame.price=np.arange(5)
frame
Out[30]:
sale fruit year price
0 15000 Apple 2010 0
1 17000 Apple 2011 1
2 36000 Orange 2012 2
3 24000 Orange 2011 3
4 29000 Banana 2012 4
通过 frame[‘price’] 或者 frame.price 获取 price 列,然后通过 frame[‘price’]=20 或 frame.price=20 就可以将 price 列都赋值为 20。

也可以通过 numpy 的 arange 方法进行赋值。如上面的代码所示。

可以通过 Series 给 DataFrame 对象赋值:

data = {‘fruit’:[‘Apple’,‘Apple’,‘Orange’,‘Orange’,‘Banana’],
‘year’:[2010,2011,2012,2011,2012],
‘sale’:[15000,17000,36000,24000,29000]}
frame = DataFrame(data,columns=[‘sale’,‘fruit’,‘year’,‘price’])
frame
Out[6]:
sale fruit year price
0 15000 Apple 2010 NaN
1 17000 Apple 2011 NaN
2 36000 Orange 2012 NaN
3 24000 Orange 2011 NaN
4 29000 Banana 2012 NaN
priceSeries = Series([3.4,4.2,2.4],index = [1,2,4])
frame.price = priceSeries
frame
Out[9]:
sale fruit year price
0 15000 Apple 2010 NaN
1 17000 Apple 2011 3.4
2 36000 Orange 2012 4.2
3 24000 Orange 2011 NaN
4 29000 Banana 2012 2.4
这种赋值方式,DataFrame 的索引会和 Series 的索引自动匹配,在对应的索引位置赋值,匹配不上的位置将填上缺失值 NaN。

创建的 Series 对象如果不指定索引时的赋值结果:

priceSeries = Series([3.4,4.2,2.4])
frame.price = priceSeries
frame
Out[12]:
sale fruit year price
0 15000 Apple 2010 3.4
1 17000 Apple 2011 4.2
2 36000 Orange 2012 2.4
3 24000 Orange 2011 NaN
4 29000 Banana 2012 NaN
DataFrame 还支持通过列表或者数组的方式给列赋值,但是必须保证两者的长度一致:

priceList=[3.4,2.4,4.6,3.8,7.3]
frame.price=priceList
frame
Out[15]:
sale fruit year price
0 15000 Apple 2010 3.4
1 17000 Apple 2011 2.4
2 36000 Orange 2012 4.6
3 24000 Orange 2011 3.8
4 29000 Banana 2012 7.3
priceList=[3.4,2.4,4.6,3.8,7.3]
frame.price=priceList
赋值的列如果不存在时,相当于创建出一个新列:

frame[‘total’] = 30000
frame
Out[45]:
sale fruit year price total
0 15000 Apple 2010 3.4 30000
1 17000 Apple 2011 2.4 30000
2 36000 Orange 2012 4.6 30000
3 24000 Orange 2011 3.8 30000
4 29000 Banana 2012 7.3 30000
上面的例子通过给不存在的列赋值,新增了新列 total。必须使用 frame[‘total’] 的方式赋值,不建议使用 frame.total,使用 frame. 的方式给不存在的列赋值时,这个列会隐藏起来,直接输出 DataFrame 对象是不会看到这个 total 这个列的,但是它又真实的存在,下面的代码是分别使用 frame[‘total’] 和 frame.total 给 frame 对象的 total 列赋值,total 列开始是不存在的:

frame
Out[60]:
sale fruit year price
0 15000 Apple 2010 3.4
1 17000 Apple 2011 2.4
2 36000 Orange 2012 4.6
3 24000 Orange 2011 3.8
4 29000 Banana 2012 7.3
frame.total = 20
frame
Out[62]:
sale fruit year price
0 15000 Apple 2010 3.4
1 17000 Apple 2011 2.4
2 36000 Orange 2012 4.6
3 24000 Orange 2011 3.8
4 29000 Banana 2012 7.3
frame[‘total’] = 20
frame
Out[64]:
sale fruit year price total
0 15000 Apple 2010 3.4 20
1 17000 Apple 2011 2.4 20
2 36000 Orange 2012 4.6 20
3 24000 Orange 2011 3.8 20
4 29000 Banana 2012 7.3 20
使用 frame.total 方式赋值时,是看不到 total 这一列的,而用 frame[‘total’] 方式赋值时,则可以看到 total 这一列。

上面的知识有错误的地方还请大家及时提出,以便纠正。谢谢!

猜你喜欢

转载自blog.csdn.net/weixin_44447687/article/details/88716838
今日推荐