数据分析之pandas的使用

数据分析之pandas的使用

pandas

为什么学习pandas

  • numpy已经可以帮助我们进行数据的处理了,那么学习pandas的目的是什么呢?
    • numpy能够帮助我们处理的是数值型的数据,当然在数据分析中除了数值型的数据还有好多其他类型的数据(字符串,时间序列),那么pandas就可以帮我们很好的处理除了数值型的其他数据!

什么是pandas?

  • 首先先来认识pandas中的两个常用的类
    • Series
    • DataFrame

Series

  • Series是一种类似与一维数组的对象,由下面两个部分组成:

    • values:一组数据(ndarray类型)
    • index:相关的数据索引标签
  • Series的创建

    • 由列表或numpy数组创建
    • 由字典创建
from pandas import Series
s = Series(data=[127,2,3,"regina"])

image-20221215173915095

image-20221215175027237

为什么需要有显示索引?

答:显示索引可以增强Series 的可读性

还可以直接引入字典:

image-20221215175316761

Series的索引和切片

s[0] --> regina
s.姓名 --> regina
s[0:2] --> 
姓名    regina
年龄        23
dtype: object
  • Series的常用属性
    • shape
    • size
    • index 返回索引
    • values 返回值
s.shape
s.size
s.index #返回索引
s.values #返回值
s.dtype #元素的类型
  • Series的常用方法

    • head(),tail()

      image-20221216113457246

      这里的head和tail默认是5,tail显示最后n个数据

    • unique() 去重

      image-20221216113639939

    • isnull(),notnull()

    • add() sub() mul() div()

      只有索引一致的数据才可以相加

      image-20221216113810596

      同时也只有数据类型一样的才能相加

      image-20221216113931735

DataFrame

  • DataFrame是一个【表格型】的数据结构。DataFrame由按一定顺序排列的多列数据组成。设计初衷是将Series的使用场景从一维拓展到多维。DataFrame既有行索引,也有列索引。

    • 行索引:index
    • 列索引:columns
    • 值:values
  • DataFrame的创建

    • ndarray创建

      image-20221216114737560

    • 字典创建

      image-20221216114908080

  • DataFrame的属性

    • values、columns、index、shape

    image-20221216115319873

============================================

练习:

根据以下考试成绩表,创建一个DataFrame,命名为df:

 regina  ivanlee  
语文 150  		0
数学 150  		0
英语 150  		0
理综 300  		0

============================================

image-20221216115858360

  • DataFrame索引操作

    df = DataFrame(data=np.random.randint(60,100,size=(5,5)),columns=["A","B","C","D","E"],index=[1,2,3,4,5])
    

    image-20221216133947727

    • 对行进行索引

      • iloc: 通过隐式索引取行 (不根据所定义的index取值)

        image-20221216144916020

        取单个元素:

        df.iloc[,]

      • loc: 通过显示索引取行

        image-20221216134958627

    • 队列进行索引

      df["A"] #取单列,如果df有显示的索引,通过索引机制去行或者列的时候只可以使用显示索引

      image-20221216134039056

      image-20221216134101073

    • 对元素进行索引

      取多个元素:

      image-20221216145526288

  • DataFrame的切片操作

    • 对行进行切片
    • 对列进行切片
  • df索引和切片操作

    • 索引:

      • df[col]:取列
      • df.loc[index]:取行
      • df.iloc[index,col]:取元素
    • 切片:

      • df[index1:index3]:切行

        image-20221216150046991

      • df.iloc[:,col1:col3]:切列

        image-20221216150125128

DataFrame的计算与Series一致

  • 时间数据类型的转换

    • pd.to_datetime(col)

      dic = {
          "time":["2010-10-10","2011-11-20","2020-01-10"],
          "temp":[33,31,30]
      }
      df = DataFrame(data=dic) df["time"].dtype = "O"
      import pandas as pd
      #将time列的数据类型转换成时间序列类型
      df["time"] = pd.to_datetime(df["time"])
      df["time"]
      

      image-20221216151216436

  • 将某一列设置为行索引

    • df.set_index()

      上图中的索引是隐式索引的012,如果要将time列作为行索引

      #将time列作为源数据的行索引
      df.set_index("time",inplace=True)
      

      image-20221216154809733

hmoban主题是根据ripro二开的主题,极致后台体验,无插件,集成会员系统
自学咖网 » 数据分析之pandas的使用