Pandas简介

Pandas 最常用于处理数据集。它具有分析、清理、探索和操作数据的功能。"Pandas"这个名称既指"Panel Data"，也指"Python Data Analysis"。，Pandas 让我们能够分析大数据并根据统计理论得出结论。Pandas 可以清理杂乱的数据集，使它们具有可读性和相关性。相关数据在数据科学中非常重要。

安装Pandas

使用pip来安装Pandas。

pip install pandas

Pandas 中的数据类型

Pandas 中使用了两种类型的对象。一个是“Series”，用于创建和存储一维值，例如列或行。另一个是“ DataFrame ”，可以认为是一张表：它是二维的。DataFrame 包含行和列。在数据科学中将经常使用 Pandas DataFrames。可以在 Python 中编写代码时创建 Series 和 DataFrames，但通常情况下，DataFrames 不是在 Pandas 上创建的：数据是从其他地方导入的，因为在编写程序时很难逐个键入所有数据。此数据通常采用逗号分隔值 (.csv) 文件的形式。一个 .csv 文件可以使用 Pandas 转换为 DataFrame，然后你可以用它做很多事情。

(资料图片仅供参考)

Series

Series 与 NumPy 数组非常相似（实际上它构建在 NumPy 数组对象之上）。NumPy 数组与 Series 的区别在于，Series 可以具有轴标签，这意味着它可以由标签索引，而不仅仅是数字位置。它也不需要保存数字数据，它可以保存任意 Python 对象。

Series索引及数据列表代码示例。

import pandas as pdimport numpy as npindex = ["China","Canada","Mexico"]data = [1820,1920,1921]mySeries = pd.Series(data,index)print(mySeries)ran_data = np.random.randint(0,100,4)print(ran_data)names = ["Sam","Ram","Max","Bob"]ages = pd.Series(ran_data,names)print(ages)pdSeries = pd.Series(data=[100,250,400,500],index=["Q1 Sales","Q2 Sales","Q3 Sales","Q4 Sales"],name="RedBull Sales 2021")print(pdSeries)

代码运行输出如下图所示

从Python字典生成Series代码示例。

import pandas as pdage = {"Bob":15,"Frank":23,"Mailo":18}dictSeries = pd.Series(age)print(dictSeries)

代码运行输出如下图所示：

Series的命名索引，类似字典的取值方式，具体请看下面的代码示例，这里需要注意如果取值失败会直接expect错误，所以在取值的时候必须保证key跟index是存在的。

import pandas as pdq1 = {"Japan": 80, "China": 450, "India": 200, "USA": 250}q2 = {"Brazil": 100,"China": 500, "India": 210,"USA": 260}sales_q1 = pd.Series(q1)sales_q2 = pd.Series(q2)print(sales_q1)print(sales_q2)print(sales_q1["India"])print(sales_q2[2])

代码运行结果如下图所示：

Series还可以做一些数学运算，下面是代码示例。

import pandas as pdq1 = {"Japan": 80, "China": 450, "India": 200, "USA": 250}q2 = {"Brazil": 100,"China": 500, "India": 210,"USA": 260}sales_q1 = pd.Series(q1)sales_q2 = pd.Series(q2)print(sales_q1.keys())  # 取Series的keyprint(sales_q1.values) # 取Series的valuesnew_sales_q1 = sales_q1 * 2print(new_sales_q1)float_sales_q1 = sales_q1 /100print(float_sales_q1)

代码运行输出结果如下图所示：

DataFrames

Pandas DataFrame 是一种二维数据结构，如二维数组或具有行和列的表。

创建DataFrame对象。

import pandas as pdimport numpy as npnp.random.seed(10)data = np.random.randint(0,101,(4,3))print(data)x = ["CA","NY","AZ","TX"]y = ["Jan","Feb","Mar"]df = pd.DataFrame(data,x,y)print(df)

代码运行结果输出如下图所示：

从字典创建DataFrame对象。

import pandas as pddict_data = pd.DataFrame({"baidu": [10000,20000],              "aliyun":[30000,45000]},                index = ["Exicutive","Techie"])print(dict_data)

代码运行结果输出如下图所示：

读取csv文件创建DataFrame对象。

读取csv文件需要安装xlrd跟openpyxl模块。

pip install xlrdpip install openpyxl

import pandas as pddf_csv = pd.read_csv("Employees.csv")  # 读取csv文件#df_excel = pd.read_excel("xxx.excel")  #读取excel文件print(df)

代码运行结果输出：

获取DataFrame的基本信息。返回所有列名

import pandas as pddf = pd.read_csv("Employees.csv")df.columns

返回前几行数据

import pandas as pddf = pd.read_csv("Employees.csv")df.head(5)

返回后几行数据

import pandas as pddf = pd.read_csv("Employees.csv")df.tail(3)

获取数据info

import pandas as pddf = pd.read_csv("Employees.csv")df.info

生成描述性统计

import pandas as pddf = pd.read_csv("Employees.csv")df.describe()  df.describe().transpose()  # 改变表格的对齐方式

如何过滤数据呢？

单个条件

针对每一行进行测试的单个条件，比如head，tail函数。

多个条件

可以在一行中测试多个条件。以下示例返回由女性且工资大于 5000的情况。

import pandas as pddf = pd.read_csv("Employees.csv")filter1 = df["工资"] > 5000filter2 = df["性别"] == "F"result = filter1 & filter2df[result].head(3)

使用查询方法

查询方法提供了一种替代方法，通常是一种比上述方法更易读的过滤数据的方法。表示条件的字符串被传递给查询方法以过滤数据。

import pandas as pddf = pd.read_csv("Employees.csv")df.query("工资 > 8000").head(2)import pandas as pddf = pd.read_csv("Employees.csv")df.query("工资 > 5000 and 性别 =="F"")

聚合方法

聚合的技术定义是用单个数字汇总一系列值。例如 sum、mean、median、max 和 min 都是聚合方法的例子

import pandas as pddf=pd.DataFrame({"user":["Alice","Tom","Bob","Alice","Bob","Alice"],"money":range(6)})df.groupby(["user"]).sum()  # sum聚合

结论

这些是 Pandas 中基本操作的一些示例。在 Pandas 中还能够创建数据可视化。

本文转载自微信公众号「爱编码的社畜」，可以通过以下二维码关注。转载本文请联系爱编码的社畜公众号。

关键词： 如下图所示 基本信息 非常重要 对齐方式 需要安装