1. Pandas的基本定义

• 在数据分析中，Pandas的使用频率很高
• Pandas可以说是基于NumPy构建的含有更高级数据结构和分析能力的工具包
• Series和DataFrame是两个核心数据结构，分别代表一维的序列和二维的表结构
• 基于这两种数据结构，Pandas可以对数据进行导入、清洗、处理、统计和输出

2. Pandas的使用方法

2.1 Series

• Series是个定长的字典序列
• 在存储的时候，相当于两个ndarry，这也是和字典结构最大的不同。因为字典结构，元素个数是不固定的
• Series的两个基本属性：
         ①index
         ②values
  

举个实例，来看一下 Series的使用方法：

# -*- coding: utf-8 -*-
# auth : carl_DJ
# time : 2020-8-28


from pandas import Series,DataFrame

x1 = Series([1,2,3,4])
x2 = Series(data=[1,2,3,4],index=['a','b','c','d'])
#使用字典来创建
d = {'a':1,'b':2,'c':3,'d':4}
x3=Series(d)
print(f'x1打印的结果是:{x1}' )
print('='*20)
print(f'x2打印的结果是:{x2}')
print('='*20)
print(f'x3打印的结果是:{x3}')

结果如下：

2.2 DataFrame使用

• 类似数据库表，包括了行索引和列索引，可以将DataFrame看成是由相同索引的Series组成的字典类型

我们在举个例子：

# -*- coding: utf-8 -*-
# auth : carl_DJ
# time : 2020-8-28


from pandas import DataFrame
data = {
        'Chinese':[66,88,93,11,66],
        'Math':[30,20,40,50,77],
        'English':[65,88,90,55,22]
        }
df1 = DataFrame(data)
df2 = DataFrame(
            data,
            index=['张三','李四','王五','赵刘','贾七'],
            columns=['Chinese','Math','English']
                )

print(f'df1打印的结果是:\n{df1}')
print('='*30)
print(f'df2打印的结果是:\n{df2}')

看一下效果

2.2.1 删除操作

• 删除DataFrame的 行与列
  

实例

#删除行
df2 = df2.drop(columns=['English'])
#删列
df2 = df2.drop(index=['张三'])

运行结果

2.2.2 去重操作

• 去掉重复的值

#去掉重复的值
df1 = df1.drop_duplicates()

2.2.3 更改数据格式操作

• 更改数据格式

#更改数据格式
df2['Chinese'].astype('str')
df2['Chinese'].astype(np.int64)

2.2.4 去掉数据间的空格操作

• 去掉数据间的空格

#删除数据左右两边的空格
df2['Chinese'] = df2['Chinese'].map(str.split)

2.2.5 大小写转换操作

• 全部大写

#全部大写转换
df2.columns = df2.columns.str.upper()

• 全部小写

#全部小写转换
df2.columns = df2.columns.str.lower()

• 首字母大写

#首字母大写
df2.columns = df2.columns.str.title()

2.2.6 数据清洗

• 使用apply对数据进行清洗

apply是Pandas中自由度非常高的函数，使用频率非常高。
比如：

• ① 对Math列的数值进行大小写转换

#对Math列进行大小写转换
df2['Math'] = df2['Math'].apply(str.upper)

• ②定义函数，在apply中使用

#定义函数，在apply中使用
def par_df(par):
    return par*2

df1['Chinese'] = df1['Chinese'].apply(par_df)

2.3 Pandas中的统计函数

2.3.1 基本数据统计用法

• count() 统计个数，空值NaN不计算
• describe() 一次性输出多个统计指标，包括：count, mean, std, min, max等
• min()最小值
• max()最大值
• sum()总和
• median()中位数
• var()方差
• std()标准差
• argmin() 统计最小值的索引位置
• argmax()统计最大值的索引位置
• idxmin() 统计最小值的索引值
• idxmax() 统计最大值的索引值

2.3.2 函数链接用法

• inner内连接

#内连接
df3 = pd.merge(df1, df2, how='inner')

• outer外连接

#外连接
df3 = pd.merge(df1, df2, how='outer')

• right右连接

#内连接
df3 = pd.merge(df1, df2, how='right')

• left左连接

#内连接
df3 = pd.merge(df1, df2, how='left')

2.3.3 loc函数及iloc函数的用法

• loc函数：通过行索引 “Index” 中的具体值来取行数据（如取"Index"为"A"的行）
• iloc函数：通过行号来取行数据（如取第二行的数据）

老规矩，上代码

示例一：提取行

# -*- coding: utf-8 -*-
# auth : carl_DJ
# time : 2020-8-28
"""
实现功能：
    提取行的数据
"""
from pandas import DataFrame
data = {
        'Chinese':[66,88,93,11,66],
        'Math':[30,20,40,50,77],
        'English':[65,88,90,55,22]
        }
df2 = DataFrame(
            data,
            index=['张三','李四','王五','赵刘','贾七'],
            columns=['Chinese','Math','English']
                )

#提取index为'张三'的行
print(f"loc函数提取index为'张三'的行的内容：\n {df2.loc[u'张三']}")
print("="*30)
#提取第1行内容
print(f"iloc函数提取第1行的内容：\n {df2.iloc[1]}")

运行结果

示例二：提取列

# -*- coding: utf-8 -*-
# auth : carl_DJ
# time : 2020-8-28
"""
实现功能：
    提取列的数据
"""
from pandas import DataFrame
data = {
        'Chinese':[66,88,93,11,66],
        'Math':[30,20,40,50,77],
        'English':[65,88,90,55,22]
        }
df2 = DataFrame(
            data,
            index=['张三','李四','王五','赵刘','贾七'],
            columns=['Chinese','Math','English']
                )

#提取列为Englis的所有内容
#使用loc函数获取分数
print(f"loc函数提取列为Englis的所有内容：\n {df2.loc[:,['English']]}")

print("="*30)

#提取第2列的所有内容
#使用iloc函数获取分数
print(f"iloc函数提取第2列的所有内容：\n {df2.iloc[:,2]}")

运行结果

示例三：提取列和行

# -*- coding: utf-8 -*-
# auth : carl_DJ
# time : 2020-8-28


from pandas import DataFrame
data = {
        'Chinese':[66,88,93,11,66],
        'Math':[30,20,40,50,77],
        'English':[65,88,90,55,22]
        }
df2 = DataFrame(
            data,
            index=['zhangsan','lisi','wangwu','zhaoliu','jiaqi'],
            columns=['Chinese','Math','English']
                )
#使用loc函数获取分数
loc_soc = df2.loc[['zhangsan','zhaoliu'],['Chinese','English']]
print(f'zhangsan，zhaoliu的Chinese，English成绩分别是：\n{loc_sco}')

#使用iloc函数获取分数
iloc_sco = df2.iloc[[0,3],[0,2]]
print(f'zhangsan，zhaoliu的Chinese，English成绩分别是：\n{iloc_sco}')

运行结果

2.4 数据分组

• group by用法

# -*- coding: utf-8 -*-
# auth : carl_DJ
# time : 2020-8-28


import numpy as np
import pandas as pd

#读取数据csv文件,采用gbk编码格式
data = pd.read_csv('data_info.csv',encoding='gbk')
result = data.groupby('sex').age([np.sum,np.mean])
#打印结果
print(f'结果内容显示为：\n{result}')

2.5 数据排序

• 排序函数sort_values()

#对A11列从大到小进行排序
df.sort_values('A11', ascending=False)

• 索引还原reset_index()

'''
reset_index():可以还原索引，重新变为默认的整型索引
inplace = True:不创建新的对象，直接对原始对象进行修改
'''
df.reset_index(inplace=True)

注：
这里的 sort_values 方法类似于 SQL中的order by 用法。

2.6读写文件

• 读取csv文件

#读取csv文件
pd.read_csv('file_name')

• 写入csv文件

#写入csv文件,不保存index
pd.to_csv('file_name',index=False)

2.7 合并两个Dataframe

・使用merge通过index来合并Dataframe

#合并两个Dataframe
df2 = df.merge(df2,left_index=True,right_index=True,how='left')