Pandas 库

为什么要学习pandas

那么问题来了：

numpy已经能够帮助我们处理数据，能够结合matplotlib解决我们数据分析的问题，那么pandas学习的目的在什么地方呢？

numpy能够帮我们处理处理数值型数据，但是这还不够， 很多时候，我们的数据除了数值之外，还有字符串，还有时间序列等

比如：我们通过爬虫获取到了存储在数据库中的数据

所以，pandas出现了。

什么是Pandas? {#什么是pandas}

Pandas的名称来自于面板数据（panel data）

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

官网

http://pandas.pydata.org/ (opens new window)

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 介绍

Series

Series是一种一维标记的数组型对象，能够保存任何数据类型(int,str,float,object...),包含了数据标签，称为索引。

• 类似一维数组的对象1,index=['名字','年龄','班级']
• 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

Series 创建

import pandas as pd
import numpy as np

通过list创建

# 2.1 通过list创建
s1 = pd.Series([1,2,3,4,5])
print(s1)
pritn(type(s1))
#pandas.core.series.Series

通过数组创建

# 2.2 通过数组创建
arr1 = np.arange(1,6)
print(arr1)
#索引长度和数据长度必须相同。
s2 = pd.Series(arr1,index=['a','b','c','d','e'])
print(s2)

通过字典创建

# 2.3 通过字典创建
dict = {'name':'李宁','age':18,'class':'三班'}
s3 = pd.Series(dict,index = ['name','age','class','sex'])
print(s3)

• 练习

"""
@Author :frx
@Time   :2021/11/27 15:15
@Version    :1.0
"""
import pandas as pd
import numpy as np
#1.通过list创建
s1=pd.Series([1,2,3,4,5])
print(s1)
print(type(s1))
#2.通过数组创建
arr1=np.arange(1,6)
s2=pd.Series(arr1)
print(s2)
s2=pd.Series(arr1,index=['a','b','c','d','e'])
print(s2)
print(s1.values)
print(s1.index)
#3.通过字典来创建
dict={'name':'李宁','age':18,'class':'三班'}
print(dict)
s3=pd.Series(dict,index=['name','age','class']) #指定顺序  #多索引会生成NaN
print(s3)

Series的基本用法

isnull 和 notnull 检查缺失值

# 3.1 isnull 和 notnull 检查缺失值
print(s3.isnull())   #判断是否为空  空就是True
print(s3.notnull())  #判断是否不为空  非空True

通过索引获取数据

# 3.2 通过索引获取数据
print(s3.index)
print(s3.values)

• 下标

#下标
print(s3[0])

• 标签名

#标签名
print(s3['age'])

• 选取多个

print(s3[[1,3]])  #s3[['age','name']]

• 切片

#切片
print(s3[1:3])
print(s3['name':'age'])  ##标签切片 包含末端数据

• 布尔索引

print(s2[s2>3])

索引与数据的对应关系不被运算结果影响

print(s2*2)
print(s2>2)
#输出结果
dtype: object
a     2
b     4
c     6
d     8
e    10
dtype: int32
a    False
b    False
c     True
d     True
e     True
dtype: bool

name 属性

• 对象名:ser_obj.name
• 对象索引名:ser_obj.index.name

#name属性
s2.name='temp'  #对象名
s2.index.name='year'  #对象索引名
print(s2)
#输出结果
year
a    1
b    2
c    3
d    4
e    5
Name: temp, dtype: int32

head()

print(s2.head())#默认前五行
print(s2.head(3))  #输出前3行

tail()

print(s2.tail())#默认后五行
print(s2.tail(3)) #默认后三行

DataFrame

DataFrame介绍

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，他可以被看做是由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

DataFrame构建