Python数据分析与展示（5）——Pandas库入门

最近在中国大学mooc网学习Python数据分析与展示相关知识，记入下来，以供参考。

Pandas库入门

Pandas库的

Pandas是Python第三方库，提供高性能易用数据类型和分析工具
Pandas基于NumPy实现，常与NumPy和Matplotlib一同使用
其引用方式一般如下：

import pandas as pd

Pandas库的Series类型

Series类型由一组数据及与之相关的数据索引组成

Series类型的创建

Series类型可以由如下类型创建：
• Python列表，index与列表元素个数一致
• 标量值，index表达Series类型的尺寸
• Python字典，键值对中的“键”是索引，index从字典中进行选择操作
• ndarray，索引和数据都可以通过ndarray类型创建
• 其他函数，range()函数等

In [1]:import pandas as pd#从列表创建In [2]:a = pd.Series([9,8,7,6])In [3]:aOut[3]: 0    91    82    73    6dtype: int64In [4]:b = pd.Series([9,8,7,6],index = ['a','b','c','d'])In [5]:bOut[5]: a    9b    8c    7d    6dtype: int64#从标量值创建In [6]:s = pd.Series(25,index = ['a','b','c'])In [7]:sOut[7]: a    25b    25c    25dtype: int64#从字典类型创建In [8]:d = pd.Series({'a':9,'b':8,'c':7})In [9]:dOut[9]: a    9b    8c    7dtype: int64In [10]:e = pd.Series({'a':9,'b':8,'c':7},index = ['c','a','b','d'])In [11]:eOut[11]: c    7.0a    9.0b    8.0d    NaNdtype: float64#从ndarray类型创建In [12]:import numpy as npIn [13]:n =pd.Series(np.arange(5))In [14]:nOut[14]: 0    01    12    23    34    4dtype: int32In [15]:n =pd.Series(np.arange(5),index = np.arange(9,4,-1))In [16]:nOut[16]: 9    08    17    26    35    4dtype: int32

Series类型的基本操作

• Series类型包括index和values两部分
• Series类型的操作类似ndarray类型
• Series类型的操作类似Python字典类型

In[17]:b.indexOut[17]: Index(['a', 'b', 'c', 'd'], dtype='object')In[18]:b.valuesOut[18]: array([9, 8, 7, 6], dtype=int64)

Series类型的操作类似ndarray类型：
• 索引方法相同，采用[]
• NumPy中运算和操作可用于Series类型
• 可以通过自定义索引的列表进行切片
• 可以通过自动索引进行切片，如果存在自定义索引，则一同被切片

Series类型的操作类似Python字典类型：
• 通过自定义索引访问
• 保留字in操作,不会判断自动索引
• 使用.get()方法

Series类型对齐操作

Series + Series

In[22]:a = pd.Series([1,2,3],['c','d','e'])In[23]:b = pd.Series([9,8,7,6],['a', 'b', 'c', 'd'])In[24]:a + bOut[24]: a    NaNb    NaNc    8.0d    8.0e    NaNdtype: float64

Series类型在运算中会自动对齐不同索引的数据

Series类型的name属性

Series对象和索引都可以有一个名字，存储在属性.name中

In [31]:b.nameIn [32]:b.name = "Series对象"In [33]:b.index.name = '索引列'In [34]:bOut[34]: 索引列a    9b    8c    7d    6Name: Series对象, dtype: int64

Pandas库的DataFrame类型

DataFrame类型

DataFrame类型由共用相同索引的一组列组成
DataFrame是一个表格型的数据类型，每列值类型可以不同
DataFrame既有行索引、也有列索引
DataFrame常用于表达二维数据，但可以表达多维数据

DataFrame类型可以由如下类型创建：
• 二维ndarray对象
• 由一维ndarray、列表、字典、元组或Series构成的字典
• Series类型
• 其他的DataFrame类型

#从二维ndarry对象创建In [35]:import pandas as pdIn [36]:import numpy as npIn [37]:d = pd.DataFrame(np.arange(10).reshape(2,5))In [38]:dOut[38]:    0  1  2  3  40  0  1  2  3  41  5  6  7  8  9#从一维ndarry对象字典创建In [42]: dt = {'one':pd.Series([1,2,3],index = ['a','b','c']),'two':pd.Series([9,8,7,6],index = ['a', 'b', 'c', 'd'])}In [43]: d = pd.DataFrame(dt)In [44]: dOut[44]:    one  twoa  1.0    9b  2.0    8c  3.0    7d  NaN    6In [46]: pd.DataFrame(dt,index = ['a','b','c'],columns = ['two','three'])Out[46]:    two threea    9   NaNb    8   NaNc    7   NaN

Pandas库的数据类型操作

如何改变Series和DataFrame对象？
增加或重排：重新索引
删除：drop

重新索引

.reindex()能够改变或重排Series和DataFrame索引
.reindex(index=None, columns=None, …)的参数

• index, columns 新的行列自定义索引
• fill_value 重新索引中，用于填充缺失位置的值
• method 填充方法, ffill当前值向前填充，bfill向后填充
• limit 最大填充量
• copy 默认True，生成新的对象，False时，新旧相等不复制

索引类型的常用方法

方法 说明 .append(idx) 连接另一个Index对象，产生新的Index对象 .diff(idx) 计算差集，产生新的Index对象 .intersection(idx) 计算交集 .union(idx) 计算并集 .delete(loc) 删除loc位置处的元素 .insert(loc,e) 在loc位置增加一个元素e

删除指定索引对象

.drop()能够删除Series和DataFrame指定行或列索引

Pandas库的数据类型运算

算数运算法则

• 算术运算根据行列索引，补齐后运算，运算默认产生浮点数
• 补齐时缺项填充NaN (空值)
• 二维和一维、一维和零维间为广播运算
• 采用+ ‐ * /符号进行的二元运算产生新的对象

方法形式的运算

方法 说明 .add(d, **argws) 类型间加法运算，可选参数 .sub(d, **argws) 类型间减法运算，可选参数 .mul(d, **argws) 类型间乘法运算，可选参数 .div(d, **argws) 类型间除法运算，可选参数

比较运算法则

• 比较运算只能比较相同索引的元素，不进行补齐
• 二维和一维、一维和零维间为广播运算
• 采用> < >= <= == !=等符号进行的二元运算产生布尔对象