Pandas

一、Pandas簡介

Pandas是數據分析三劍客之一（Pandas、Matplotlib、Numpy），是Python核心數據分析庫，提供了快速、靈活、明確的數據結構，能夠簡單、直觀、快速地處理各種類型地數據。

Pandas能夠處理以下類型地的數據：

• 與SQL或者Excel表類似的數據；
• 有序和無序（非固定頻率）的時間序列數據；
• 帶行、列標簽的矩陣數據；
• 任意其他形式的觀測、統計數據等；

Pandas提供了兩個主要數據結構Series （一維數組結構）和DataFrame（二維數組結構），可以處理金融、統計、社會科學、工程等領域的大多數典型案例，并且Pandas是基于Numpy開發的，可以與其他第三方科學計算庫完美集成。

維數	名稱	描述
1	Series	帶標簽的一維同構數組
2	DataFrame	帶標簽的大小可變的二維異構數組

Pandas主要優勢如下：

• 處理浮點與非浮點數據里的缺失數據，表示為NaN；
• 大小可變，例如插入或者刪除DataFrame等多維對象的列；
• 自動、顯式數據對齊，顯式地將對象與一組標簽對齊，也可以忽略標簽，在Series和DataFrame計算時自動與數據對齊；
• 強大、靈活的分組統計功能（groupby），即數據聚合、數據轉換；
• 把Python和Numpy數據結構里不規則、不同索引的數據輕松地轉換為DataFrame對象；
• 智能標簽，對大型數據集進行切片、花式索引、子集分解等操作；
• 靈活地重塑（reshape）、透視（pivot）數據集；
• 直觀地合并（merge）、連接（join）數據集；
• 成熟的導入、導出工具，導入文本文件（csv等支持分隔符的文件）、Excel文件、數據庫等來源的數據，導出Excel文件、文本文件等，利用超快的HDF5格式保存或加載數據；
• 時間序列：支持日期范圍生成、頻率轉換、移動窗口統計、移動窗口線性回歸、日期位移等時間序列功能；

二、Pandas安裝和簡單使用

最簡單的可以通過PyPI（Python Package Index）的pip（python install packages）工具安裝。

安裝命令：pip install Pandas

?Note: you may need to restart the kernel to use updated packages.

更新庫：pip install --upgrade Pandas

?

下面通過一個Excel數據導入的例子來初識Pandas。

?

?

三、Series對象

Pandas是Python數據分析重要的庫，而Series和DataFrame是Pandas庫中兩個重要的對象，也是Pandas中兩個重要的數據結構。

Series是Python的Pandas庫中一種數據結構，類似一維數組，由一組數據以及與這組數據相關的標簽（即索引）組成，或者僅有一組數據沒有索引也可以創建一個簡單的Series。Series可以存儲整數、浮點數、字符串、Python對象等多種類型的數據。

比如上面的Excel，就包含了Series對象和DataFrame對象。其中“得分”、“籃板”、“助攻”等每一列都是一個Series對象，其共同組成了一個DataFrame對象。

創建Series對象語法： s = pd.Series(data,index = index)

data：表示數據，支持Python字典、多維數組、標量值（只有大小沒有方向的量）；

index：表示行標簽（索引）；

返回值：Series對象；

?

手動設置Series索引

如上例所示，創建Series對象時會自動生成整數索引，默認值從0開始至數據長度減1。

除了使用默認索引，我們還可以通過index參數手動指定設置索引。

?

Series位置索引

位置索引是從0開始數數的，[0]是Series的第一個數，以此類推。

?

Series標簽索引

與位置索引類似，用“[]”表示，里面是索引的名稱，注意index的數據類型是字符串，如果需要獲取多個標簽索引值，需要用“[[]]”表示。

?

Series切片索引

用標簽索引做切片，包頭包尾（即包含索引開始位置的數據，也包含索引結束位置的數據）。

用位置索引做切片，包頭不包尾（即包含索引開始位置的數據，但不包含索引結束位置的數據），這個和列表是一樣的。

?

獲取Series的索引和值

獲取Series的索引和值可以使用Series的index和values方法。

?

四、DataFrame對象

DataFrame是Pandas庫中一種由多種類型的列組成的二維表數據結構，類似于Excel、SQL或者Series對象構成的字典。

DataFrame是一個二維數據結構，由行、列數據組成的表格。DataFrame既有行索引又有列索引，可以看作是由Series對象組成的字典，不過這些Series對象共用一個索引。

創建DataFrame對象語法： df = pd.DataFrame(data,index,columns,dtype,copy)

data：表示數據，可以是ndarray數組、Series對象、列表、字典等；

index：表示行標簽（索引）；

columns：表示列標簽（索引）；

dtype：每一列數據的數據類型；

copy：用于復制數據；

返回值：返回DataFrame對象；

Pandas dtype	Python type
object	str
int64	int
float64	float
bool	bool
datatime64	datetime64[ns]
timedelta[ns]	NA
category	NA

?

通過字典創建DataFrame

字典中的value值只能是一維數組或者單個簡單數據類型，如果是數組，要求所有的數組長度一致，如果是單個數據，要求每行都添加相同的數據。

?

import pandas as pd# 使列名對齊pd.set_option('display.unicode.east_asian_width',True)df = pd.DataFrame({'班級':'三年二班','語文':[98,95,85],'數學':[79,66,90],'英語':[100,92,89],},index = [0,1,2])print(df)

DataFrame的重要屬性和函數

屬性	描述	例子
values	查看所有元素的值	df.values
dtypes	查看所有元素的類型	df.dtypes
index	查看所有行名、重命名行名	df.index??? df.index = [1,2,3]
columns	查看所有列名、重命名列名	df.columns? df.columns=[‘1’,’2’,’3’]
T	行列數據轉換	df.T
head	查看前n條數據，默認5條	df.head()?? df.head(10)
tail	查看后n條數據，默認5條	df.tail()???? df.tail(10)
shape	查看行數和列數，[0]行[1]列	df.shape[0]? df.shape[1]
info	查看索引、數據類型和內存信息	df.info

函數	描述	例子
describe	查看每列的統計匯總信息，DataFrame類型	df.describe()
count	返回每一列中的非空值的個數	df.count()
sum	返回每一列的和，無法計算返回空值	df.sum()
max	返回每一列的最大值	df.max()
min	返回每一列的最小值	df.min()
argmax	返回最大值所在的自動索引位置	df.argmax()
argmin	返回最小值所在的自動索引位置	df.argmin()
idxmax	返回最大值所在的自定義索引位置	df.idxmax()
idxmin	返回最小值所在的自定義索引位置	df.idxmin()
mean	返回每一列的平均值	df.mean()
median	返回每一列的中位數（中值）	df.median()
var	返回每一列的方差	df.var()
std	返回每一列的標準差	df.std()
isnull	檢查df中的空值，空值為True，否則False	df.isnull()
notnull	檢查df中的空值，非空值為True，否則False	df.notnull()

?

與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

以上是生活随笔為你收集整理的【学习笔记】 Python - Pandas的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。