Pandas

Pandas的名称来自于面板数据（panel data）和Python数据分析（data analysis）。

Pandas是一个强大的分析结构化数据的工具集，基于NumPy构建，提供了 高级数据结构 和 数据操作工具，它是使Python成为强大而高效的数据分析环境的重要因素之一。

• 一个强大的分析和操作大型结构化数据集所需的工具集

• 基础是NumPy，提供了高性能矩阵的运算

• 提供了大量能够快速便捷地处理数据的函数和方法

• 应用于数据挖掘，数据分析

• 提供数据清洗功能

Pandas的数据结构

import pandas as pd

 

Pandas有两个最主要也是最重要的数据结构： Series 和 DataFrame

Series

Series是一种类似于一维数组的 对象，由一组数据（各种NumPy数据类型）以及一组与之对应的索引（数据标签）组成。

• 类似一维数组的对象
• 由数据和索引组成
  • 索引(index)在左，数据(values)在右
  • 索引是自动创建的

1. 通过list构建Series

ser_obj = pd.Series(range(10))

      # 通过list构建Series
      ser_obj = pd.Series(range(10, 20))
      print(ser_obj.head(3))
      print(ser_obj)
      print(type(ser_obj))
  
 

运行结果：

      0 10
      1 11
      2 12
      dtype: int64
      0 10
      1 11
      2 12
      3 13
      4 14
      5 15
      6 16
      7 17
      8 18
      9 19
      dtype: int64
      <class 'pandas.core.series.Series'>
  
 

2. 获取数据和索引

ser_obj.index 和 ser_obj.values

      # 获取数据
      print(ser_obj.values)
      # 获取索引
      print(ser_obj.index)
  
 

运行结果：

      [10 11 12 13 14 15 16 17 18 19]
      RangeIndex(start=0, stop=10, step=1)
  
 

3. 通过索引获取数据

ser_obj[idx]

      #通过索引获取数据
      print(ser_obj[0])
      print(ser_obj[8])
  
 

运行结果：

      10
      18
  
 

4. 索引与数据的对应关系不被运算结果影响

      # 索引与数据的对应关系不被运算结果影响
      print(ser_obj * 2)
      print(ser_obj > 15)
  
 

运行结果：

      0 20
      1 22
      2 24
      3 26
      4 28
      5 30
      6 32
      7 34
      8 36
      9 38
      dtype: int64
      0 False
      1 False
      2 False
      3 False
      4 False
      5 False
      6 True
      7 True
      8 True
      9 True
      dtype: bool
  
 

5. 通过dict构建Series

      # 通过dict构建Series
      year_data = {2001: 17.8, 2002: 20.1, 2003: 16.5}
      ser_obj2 = pd.Series(year_data)
      print(ser_obj2.head())
      print(ser_obj2.index)
  
 

运行结果：

      2001 17.8
      2002 20.1
      2003 16.5
      dtype: float64
      Int64Index([2001, 2002, 2003], dtype='int64')
  
 

name属性

对象名：ser_obj.name

对象索引名：ser_obj.index.name

      # name属性
      ser_obj2.name = 'temp'
      ser_obj2.index.name = 'year'
      print(ser_obj2.head())
  
 

运行结果：

      year
      2001 17.8
      2002 20.1
      2003 16.5
      Name: temp, dtype: float64
  
 

DataFrame

DataFrame是一个表格型的数据结构，它含有一组有序的列，每列可以是不同类型的值。DataFrame既有行索引也有列索引，它可以被看做是由Series组成的字典（共用同一个索引），数据是以二维结构存放的。

• 类似多维数组/表格数据 (如，excel, R中的data.frame)
• 每列数据可以是不同的类型
• 索引包括列索引和行索引

1. 通过ndarray构建DataFrame

      import numpy as np
      # 通过ndarray构建DataFrame
      array = np.random.randn(5,4)
      print(array)
      df_obj = pd.DataFrame(array)
      print(df_obj.head())
  
 

运行结果：

      [[ 0.83500594 -1.49290138 -0.53120106 -0.11313932]
       [ 0.64629762 -0.36779941  0.08011084  0.60080495]
       [-1.23458522  0.33409674 -0.58778195 -0.73610573]
       [-1.47651414  0.99400187  0.21001995 -0.90515656]
       [ 0.56669419  1.38238348 -0.49099007  1.94484598]]
      0 1 2 3
      0  0.835006 -1.492901 -0.531201 -0.113139
      1  0.646298 -0.367799  0.080111  0.600805
      2 -1.234585  0.334097 -0.587782 -0.736106
      3 -1.476514  0.994002  0.210020 -0.905157
      4  0.566694  1.382383 -0.490990  1.944846
  
 

2. 通过dict构建DataFrame

      # 通过dict构建DataFrame
      dict_data = {'A': 1,
      'B': pd.Timestamp('20170426'),
      'C': pd.Series(1, index=list(range(4)),dtype='float32'),
      'D': np.array([3] * 4,dtype='int32'),
      'E': ["Python","Java","C++","C"],
      'F': 'ITCast' }
      #print dict_data
      df_obj2 = pd.DataFrame(dict_data)
      print(df_obj2)
  
 

运行结果：

        A B C  D E F
      0  1 2017-04-26  1.0  3  Python  ITCast
      1  1 2017-04-26  1.0  3 Java  ITCast
      2  1 2017-04-26  1.0  3 C++  ITCast
      3  1 2017-04-26  1.0  3 C  ITCast
  
 

3. 通过列索引获取列数据（Series类型）

df_obj[col_idx] 或 df_obj.col_idx

示例代码：

      # 通过列索引获取列数据
      print(df_obj2['A'])
      print(type(df_obj2['A']))
      print(df_obj2.A)
  
 

运行结果：

      0 1.0
      1 1.0
      2 1.0
      3 1.0
      Name: A, dtype: float64
      <class 'pandas.core.series.Series'>
      0 1.0
      1 1.0
      2 1.0
      3 1.0
      Name: A, dtype: float64
  
 

4. 增加列数据

df_obj[new_col_idx] = data

类似Python的 dict添加key-value

示例代码：

      # 增加列
      df_obj2['G'] = df_obj2['D'] + 4
      print(df_obj2.head())
  
 

运行结果：

      A B C  D E F  G
      0  1.0 2017-01-02  1.0  3  Python  ITCast  7
      1  1.0 2017-01-02  1.0  3 Java  ITCast  7
      2  1.0 2017-01-02  1.0  3 C++  ITCast  7
      3  1.0 2017-01-02  1.0  3 C  ITCast  7
  
 

5. 删除列

del df_obj[col_idx]

      # 删除列
      del(df_obj2['G'] )
      print(df_obj2.head())
  
 

运行结果：

      A B C  D E F
      0  1.0 2017-01-02  1.0  3  Python  ITCast
      1  1.0 2017-01-02  1.0  3 Java  ITCast
      2  1.0 2017-01-02  1.0  3 C++  ITCast
      3  1.0 2017-01-02  1.0  3 C  ITCast
  
 

参考资料

https://pandas.pydata.org/

文章来源: drugai.blog.csdn.net，作者：DrugAI，版权归原作者所有，如需转载，请联系作者。

原文链接：drugai.blog.csdn.net/article/details/104269624