1. 首页
  2. 自学中心
  3. 软件
  4. Python

功能强大的python包(二):Pandas

1. Pandas简介

Pandas是一个强大的分析结构化数据的工具集;它的使用基础是Numpy(提供高性能的矩阵运算)。

Pandas是一种结构化数据工具集,可以用于数据挖掘、数据分析、数据清洗、数据可视化等。

2. 数据类型

Pandas库最重要的两种数据结构是Series、DataFrame。

Series:一种类似于一维数组的对象, 是由一组Numpy数据及该数据对应的数字序列构成;可以通过该数字序列访问Numpy数据。

DadaFrame:一种表格型的数据结构,是由一组有序的列构成,每一列可以是不同的数据类型,相当于Series数据结构集合;与表格数据类似,DadaFrame数据有行索引和列索引;结合行、列索引可以访问其中单个数据元素。

数据结构 定义
Series 带标签的一维同构数组
DataFrame 带标签、大小可变的二维异构表格

3. Pandas总览

功能强大的python包(二):Pandas
  • 对象生成

生成Series对象和DataFrame对象

函数 实例
pd.Series pd.Series([1,2,3],index[‘一’,’二’,’三’]
pd.DataFrame pd.DataFrame([[1,2,3],[1,2,3]])
import pandas as pd

pd.Series([1,2,3,4],index=['一','二','三','四']
pd.DataFrame([[1,2,3],[1,2,3]])
  • 数据访问

访问Series对象和DataFrame对象中的数据元素

函数 作用
df.head( ) 访问对象头部数据
df.tail( ) 访问对象尾部数据
df.describe( ) 访问对象的多个统计数据
df.index 访问对象的行索引
df.columns 访问对象的列索引
df.values 访问对象的数据元素
df.loc[ ] 按索引访问对象的数据
df[条件] 通过条件筛选数据
df.isin([ ]) 通过条件筛选数据
df.iloc[ ] 按位置访问对象的数据
import pandas as pd

import pandas as pd

df = pd.DataFrame({'公号名':['人类之奴','十点美剧','韩剧剧场','果壳网','十点读书','胖胖啊'],'领域':['科技','影视','影视','科普','阅读','情感'],'粉丝数':[100000,964,1232,543,9990,200],'更新':['日更','周更','日更','月更','周更','日更']})
df.head()
df.tail(1)
df['粉丝数'].describe()
df.index
df.columns
df.values

df.loc[0]
df.loc[:]['公号名']

df.iloc[1:3]
df.iloc[1:4,0:2]

df[df['粉丝数']>9000]
df[df['领域'].isin(['科技'])]
  • 文件读写

Pandas可以读写.csv、.xlsx等常用文件;读取的同时将数据转换成DataFrame数据结构,用于后续处理。

函数 作用
pd.read_csv( ) 读取.csv文将
pd.to_csv( ) 将数据保存为.csv文件
pd.read_excel( ) 读取.xlsx文件
pd.to_excel( ) 将数据保存为.xlsx文件
pd.read_hdf( ) 读取.h5文件
pd.to_hdf( ) 将数据保存为.h5文件
import pandas as pd

path = 'D:\\桌面\\pd0.csv'

#GB18030可以解码包含中文的文件
df_csv = pd.read_csv(path,encoding='GB18030')
df_csv.to_csv('人类之奴.csv')

df_xlsx = pd.read_excel('D:\\桌面\\python包.xlsx',sheet_name=0)
df_xlsx.to_excel('人类之奴.xlsx')

df_hdf = pd.read_hdf('人类之奴.h5')
df_csv.to_hdf('人类之奴.h5','a')
  • 数据清洗

对对象中缺失的、有问题的数据进行处理(删除、填充、替换)。

函数 作用
df.dropna( ) 删除有缺失值的数据项
df.fillna( ) 填充缺失值
import pandas as pd

df = pd.DataFrame({'公号名':['人类之奴','十点美剧','韩剧剧场','果壳网','十点读书','胖胖啊'],'领域':['科技',None,'影视','科普',None,'情感'],'粉丝数':[100000,964,None,543,9990,200],'更新':['日更','周更','日更','月更','周更','日更']})
df.head()
df.dropna()
df.fillna('科技')
  • 数据处理

数据处理包括数据拼接、数据重排、数据分析等。

函数 作用
pd.concat([ ]) 拼接Series/DataFrame对象
pd.merge( ) 合并Series/DataFrame对象
pd.join( ) 合并Series/DataFrame对象
df.sort_index( ) 按索引重排数据
df.sort_values( ) 按值重排数据
Numpy方法 Series/DataFrame对象可以调用Numpy方法
df.groupby([ ]).function( ) 分组进行function处理
df.apply(function) 对对象整体调用function处理
import pandas as pd
import numpy as np

df1 = pd.DataFrame({'名称':['甲','乙','丙','丁'],'语文':[56,34,67,89]})
df2 = pd.DataFrame({'名称':['甲','乙','丙','丁'],'数学':[98,97,89,35]})

pd.concat([df1,df2],axis=1)
pd.merge(df1,df2)

df = pd.merge(df1,df2)

df.sort_index(1,ascending=False)
df.sort_values(by='数学')

df.groupby(['数学']).mean()
df['数学'].apply(np.median)
  • 数据可视化

对Series/DataFrame对象进行可视化。

函数 作用
pd.plot( ) 绘制折线图
pd.plot.hist( ) 绘制直方图
pd.plot.scatter( ) 绘制散点图
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

df1 = pd.DataFrame({'语文':[56,34,67,89]})
df2 = pd.DataFrame({'数学':[98,97,89,35]})

pd.concat([df1,df2],axis=1)
pd.merge(df1,df2)

df.plot()
df.plot.hist()
df.plot.scatter()
#运行出错,没有解决这个问题,希望懂得朋友评论区帮忙解决一下

本文来自zhihu,观点不代表一起大数据-技术文章心得立场,如若转载,请注明出处:https://zhuanlan.zhihu.com/p/390233616

联系我们

在线咨询:点击这里给我发消息

邮件:23683716@qq.com

跳至工具栏