当前位置： 首页 > news >正文

网站建设最基础的是什么意思,丽江建设公司网站,做网站如何写需求,wordpress适合视频网站吗pandas 库概述pandas 提供了快速便捷处理结构化数据的大量数据结构和函数。自从2010年出现以来#xff0c;它助使 Python 成为强大而高效的数据分析环境。pandas使用最多的数据结构对象是 DataFrame#xff0c;它是一个面向列#xff08;column-oriented#xff09;的二维表…pandas 库概述pandas 提供了快速便捷处理结构化数据的大量数据结构和函数。自从2010年出现以来它助使 Python 成为强大而高效的数据分析环境。pandas使用最多的数据结构对象是 DataFrame它是一个面向列column-oriented的二维表结构另一个是 Series一个一维的标签化数组对象。pandas 兼具 NumPy 高性能的数组计算功能以及电子表格和关系型数据库如SQL灵活的数据处理功能。它提供了复杂精细的索引功能能更加便捷地完成重塑、切片和切块、聚合以及选取数据子集等操作。数据操作、准备、清洗是数据分析最重要的技能pandas 是首选 python 库之一。个人觉得学习 pandas 还是最好在 anaconda 的 jupyter 环境下进行方便断点调试分析也方便一行行运行代码。安装 pandasWindows/Linux系统环境下安装conda方式安装conda install pandaspip3方式安装py -3 -m pip install –upgrade pandas #Windows系统 python3 -m pip install –upgrade pandas #Linux系统pandas 库使用pandas 采用了大量的 NumPy 编码风格但二者最大的不同是 pandas 是专门为处理表格和混杂数据设计的。而 NumPy 更适合处理统一的数值数组数据。导入 pandas 模块和常用的子模块 Series 和 DataFrameimport pands as pd from pandas import Series,DataFrame通过传递值列表来创建 Series让 pandas 创建一个默认的整数索引:s pd.Series([1,3,5,np.nan,6,8]) s输出0 1.01 3.02 5.03 NaN4 6.05 8.0dtype: float64pandas数据结构介绍要使用 pandas你首先就得熟悉它的两个主要数据结构Series 和 DataFrame。虽然它们并不能解决所有问题但它们为大多数应用提供了一种可靠的、易于使用的基础。Series数据结构Series 是一种类似于一维数组的对象它由一组数据各种 NumPy 数据类型以及一组与之相关的数据标签即索引组成。仅由一组数据即可产生最简单的 Series。代码示例import pandas as pd obj pd.Series([1,4,7,8,9]) objSeries 的字符串表现形式为索引在左边值在右边。由于我们没有为数据指定索引于是会自动创建一个 0 到 N-1 N 为数据的长度的整数型索引。也可以通过Series 的 values 和 index 属性获取其数组表示形式和索引对象代码示例obj.values obj.index # like range(5)输出array([ 1, 4, 7, 8, 9])RangeIndex(start0, stop5, step1)我们也希望所创建的 Series 带有一个可以对各个数据点进行标记的索引代码示例obj2 pd.Series([1, 4, 7, 8, 9],index[a, b, c, d]) obj2 obj2.index输出a 1b 4c 7d 8e 9dtype: int64Index([‘a’, ‘b’, ‘c’, ‘d’, ‘e’], dtype’object’)与普通 NumPy 数组相比你可以通过索引的方式选取 Series 中的单个或一组值代码示例obj2[[a, b, c]] obj2[a]2 obj2[[a, b, c]][‘a’,’b’,’c]是索引列表即使它包含的是字符串而不是整数。使用 NumPy 函数或类似 NumPy 的运算如根据布尔型数组进行过滤、标量乘法、应用数学函数等都会保留索引值的链接代码示例obj2*2 np.exp(obj2)还可以将 Series 看成是一个定长的有序字典因为它是索引值到数据值的一个映射。它可以用在许多原本需要字典参数的函数中代码示例dict {Ohio: 35000, Texas: 71000, Oregon: 16000,Utah: 5000} obj3 pd.Series(dict) obj3输出Ohio 35000Oregon 16000Texas 71000Utah 5000dtype: int64DataFrame数据结构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的值类型数值、字符串、布尔值等。DataFrame 既有行索引也有列索引它可以被看做由 Series 组成的字典共用同一个索引。DataFrame 中的数据是以一个或多个二维块存放的而不是列表、字典或别的一维数据结构。虽然 DataFrame 是以二维结构保存数据的但你仍然可以轻松地将其表示为更高维度的数据层次化索引的表格型结构这是 pandas中许多高级数据处理功能的关键要素 创建 DataFrame 的办法有很多最常用的一种是直接传入一个由等长列表或 NumPy 数组组成的字典代码示例data {state: [Ohio, Ohio, Ohio, Nevada, Nevada,Nevada],year: [2000, 2001, 2002, 2001, 2002, 2003],pop: [1.5, 1.7, 3.6, 2.4, 2.9, 3.2]} frame pd.DataFrame(data) frame结果 DataFrame 会自动加上索引跟 Series 一样且全部列会被有序排列输出如下对于特别大的 DataFramehead 方法会选取前五行frame.head()如果指定了列序列则 DataFrame 的列就会按照指定顺序进行排列代码示例pd.DataFrame(data,columns[state,year,pop])如果传入的列在数据中找不到就会在结果中产生缺失值代码示例frame2 pd.DataFrame(data,columns[state,year,pop,debt],index[one,two,three,four,five,six]) frame2获取 DataFrame 的 columns 和 index代码示例frame2.columns frame2.index输出Index([‘state’, ‘year’, ‘pop’, ‘debt’], dtype’object’)Index([‘one’, ‘two’, ‘three’, ‘four’, ‘five’, ‘six’], dtype’object’)通过类似字典标记的方式或属性的方式可以将 DataFrame 的列获取为一个 Series代码示例frame2[state] frame2.state列可以通过赋值的方式进行修改赋值方式类似 Series。例如我们可以给那个空的 “debt” 列赋上一个标量值或一组值数组或列表形式代码示例frame2.debt np.arange(6.) frame2注意将列表或数组赋值给某个列时其长度必须跟DataFrame的长度相匹配。如果赋值的是一个 Series就会精确匹配 DataFrame 的索引所有的空位都将被填上缺失值代码示例val pd.Series([-1.2, -1.5, -1.7], index[two, four,five]) frame2.debt val frame2为不存在的列赋值会创建出一个新列。关键字 del 用于删除列。作为 del 的例子这里先添加一个新的布尔值的列state 是否为 ‘Ohio’代码示例frame2[eastern] frame2.stateOhio frame2DataFrame 另一种常见的数据形式是嵌套字典如果嵌套字典传给 DataFramepandas 就会被解释为外层字典的键作为列内层键则作为行索引代码示例#DataFrame另一种常见的数据形式是嵌套字典 pop {Nvidia:{2001:2.4,2002:3.4},Intel:{2000:3.7,2001:4.7,2002:7.8} } frame3 pd.DataFrame(pop,columns[Nvidia,Intel]) frame3表5-1列出了DataFrame构造函数所能接受的各种数据索引对象pandas 的索引对象负责管理轴标签和其他元数据比如轴名称等。构建 Series 或 DataFrame 时所用到的任何数组或其他序列的标签都会被转换成一个 Index代码示例import numpy as np import pandas as pd obj pd.Series(np.arange(4),index[a,b,c,d]) index obj.index #index index[:-1]注意Index 对象是不可变的因此用户不能对其进行修改。不可变可以使 Index 对象在多个数据结构之间安全共享代码示例#pd.Index储存所有pandas对象的轴标签 #不可变的ndarray实现有序的可切片集 labels pd.Index(np.arange(3)) obj2 pd.Series([1.5, -2.5, 0], indexlabels) obj2 #print(obj2.index is labels)注意虽然用户不需要经常使用 Index 的功能但是因为一些操作会生成包含被索引化的数据理解它们的工作原理是很重要的。与 python 的集合不同pandas 的 Index 可以包含重复的标签代码示例dup_labels pd.Index([foo,foo,bar,alice]) dup_labels每个索引都有一些方法和属性它们可用于设置逻辑并回答有关该索引所包含的数据的常见问题。表5-2列出了这些函数。pandas 选择数据import numpy as np import pandas as pd

dates pd.date_range(20190325, periods6)

dates pd.date_range(20190325, periods6) df pd.DataFrame(np.arange(24).reshape((6,4)),indexdates, columns[A,B,C,D]) print(df) A B C D 2019-03-25 0 1 2 3 2019-03-26 4 5 6 7 2019-03-27 8 9 10 11 2019-03-28 12 13 14 15 2019-03-29 16 17 18 19 2019-03-30 20 21 22 23# 检索指定A列 print(df[A]) # 等同于print(df.A)2019-03-25 0 2019-03-26 4 2019-03-27 8 2019-03-28 12 2019-03-29 16 2019-03-30 20 Freq: D, Name: A, dtype: int64## 切片选取多行或多列 print(df[0:3]) # 等同于print(df[2019-03-25:2019-03-27]) A B C D 2019-03-25 0 1 2 3 2019-03-26 4 5 6 7 2019-03-27 8 9 10 11# 根据标签选择数据

获取特定行或列

指定行数据

print(df.loc[2019-03-25]) bb df.loc[2019-03-25] print(type(bb))A 0 B 1 C 2 D 3 Name: 2019-03-25 00:00:00, dtype: int64 class pandas.core.series.Series# 指定列, 两种方式 print(df.loc[:, [A, B]]) # print(df.loc[:, A:B]) A B 2019-03-25 0 1 2019-03-26 4 5 2019-03-27 8 9 2019-03-28 12 13 2019-03-29 16 17 2019-03-30 20 21# 行列同时检索 cc df.loc[20190325, [A, B]] print(cc);print(type(cc.values))# numpy ndarrayA 0 B 1 Name: 2019-03-25 00:00:00, dtype: int64 class numpy.ndarrayprint(df.loc[20190326, A])4# 根据序列iloc获取特定位置的值, iloc是根据行数与列数来索引的 print(df.iloc[1,0]) # 13, numpy ndarray4print(df.iloc[3:5,1:3]) # 不包含末尾5或3同列表切片 B C 2019-03-28 13 14 2019-03-29 17 18# 跨行操作 print(df.iloc[[1, 3, 5], 1:3]) B C 2019-03-26 5 6 2019-03-28 13 14 2019-03-30 21 22# 通过判断的筛选 print(df[df.A8]) A B C D 2019-03-28 12 13 14 15 2019-03-29 16 17 18 19 2019-03-30 20 21 22 23 总结本文主要记录了 Series 和 DataFrame 作为 pandas 库的基本结构的一些特性如何创建 pandas 对象、指定 columns 和 index 创建 Series 和 DataFrame 对象、赋值操作、属性获取、索引对象等这章介绍操作 Series 和 DataFrame 中的数据的基本手段。参考资料《利用python进行数据分析》