Python数据分析，必须要求掌握Pandas大熊猫

我写的pandas不是我国可爱的大熊猫国宝

成都创新互联公司公司2013年成立，先为玉州等服务建站，玉州等地企业，进行企业商务咨询服务。为玉州企业网站制作PC+手机+微官网三网同步一站式服务解决您的所有建站问题。

[[322948]]

pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现，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。

1.pandas数据结构的介绍

Series：一维数组，与Numpy中的一维array类似。二者与Python基本的数据结构List也很相近。Series如今能保存不同种数据类型，字符串、boolean值、数字等都能保存在Series中。
Time- Series：以时间为索引的Series。
DataFrame：二维的表格型数据结构。很多功能与R中的data.frame类似。可以将DataFrame理解为Series的容器。
Panel ：三维的数组，可以理解为DataFrame的容器。

2.Series的操作

2.1 对象创建 2.1.1 直接创建2.1.2 字典创建

 
 
   
  
  import pandas as pd   
  
  import numpy as np   
  
  # 直接创建   
  
  s = pd.Series(np.random.randn(5), index=['a','b','c','d','e'])   
  
  print(s)    
  
  # 字典（dict）类型数据创建   
  
  s = pd.Series( {'a':10, 'b':20, 'c':30}, index=['b', 'c', 'a', 'd'])   
  
     
  
  OUT:   
  
  a   -0.620323   
  
  b   -0.189133   
  
  c    1.677690   
  
  d   -1.480348   
  
  e   -0.539061   
  
  dtype: float64   
  
     
  
  OUT:   
  
  a    10   
  
  b    20   
  
  c    30   
  
  dtype: int64

2.2 查看数据切片、索引、dict操作 Series既然是一维数组类型的数据结构，那么它支持想数组那样去操作它。通过数组下标索引、切片都可以去操作他，且它的data可以是dict类型的，那么它肯定也就支持字典的索引方式。

 
 
   
  
  import pandas as pd   
  
  import numpy as np   
  
     
  
  s = pd.Series(np.random.randn(5), index=['a','b','c','d','e'])   
  
     
  
  print(s)   
  
     
  
  # 下标索引   
  
  print('下标索引方式s[0] = : %s' % s[0])   
  
     
  
  # 字典访问方式   
  
  print('字典访问方式s[b] = ：%s' % s['b'])   
  
     
  
  # 切片操作   
  
  print('切片操作s[2:]\n:%s' % s[2:])   
  
  print('a' in s)   
  
  print('k' in s)   
  
  OUT:   
  
  a   -0.799676   
  
  b   -1.581704   
  
  c   -1.240885   
  
  d    0.623757   
  
  e   -0.234417   
  
  dtype: float64   
  
     
  
  下标索引方式s[0] = : -0.799676067487   
  
  字典访问方式s[b] = ：-1.58170351838   
  
  切片操作s[2:]:   
  
  c   -1.240885   
  
  d    0.623757   
  
  e   -0.234417   
  
  True   
  
  False

2.3 Series的算术操作

 
 
   
  
  import pandas as pd   
  
  import numpy as np   
  
     
  
  s1 = pd.Series(np.random.randn(3), index=['a','b','c'])   
  
     
  
  s2 = pd.Series(np.random.randn(3), index=['a','b','c'])   
  
  print(s1+s2)   
  
  print(s1-s2)   
  
  print(s1*s2)   
  
  print(s1/s2)   
  
  OUT:   
  
  a    0.236514   
  
  b   -0.132153   
  
  c    0.203186   
  
  dtype: float64   
  
     
  
  a    0.305397   
  
  b   -1.474441   
  
  c   -1.697982   
  
  dtype: float64   
  
     
  
  a   -0.009332   
  
  b   -0.539128   
  
  c   -0.710465   
  
  dtype: float64   
  
     
  
  a   -7.867120   
  
  b   -1.196907   
  
  c   -0.786252   
  
  dtype: float64

3.dataframe的操作

3.1 对象创建

 
 
   
  
  In [70]:  data = {'state': ['Ohio', 'Ohio', 'Ohio', 'Nevada', 'Nevada'],'year': [2000, 2001, 20   
  
      ...: 02, 2001, 2002],'pop': [1.5, 1.7, 3.6, 2.4, 2.9]}   
  
  In [71]: data   
  
  Out[71]:    
  
  {'pop': [1.5, 1.7, 3.6, 2.4, 2.9],   
  
   'state': ['Ohio', 'Ohio', 'Ohio', 'Nevada', 'Nevada'],   
  
   'year': [2000, 2001, 2002, 2001, 2002]}   
  
  # 建立DataFrame对象   
  
  In [72]: frame1 = DataFrame(data)   
  
  # 红色部分为自动生成的索引   
  
  In [73]: frame1   
  
  Out[73]:    
  
     pop   state  year   
  
  0  1.5    Ohio  2000   
  
  1  1.7    Ohio  2001   
  
  2  3.6    Ohio  2002   
  
  3  2.4  Nevada  2001   
  
  4  2.9  Nevada  2002   
  
     
  
  >>> lista = [1,2,5,7]   
  
  >>> listb = ['a','b','c','d']   
  
  >>> df = pd.DataFrame({'col1':lista,'col2':listb})   
  
  >>> df   
  
     col1 col2   
  
  0     1    a   
  
  1     2    b   
  
  2     5    c   
  
  3     7    d

3.2 选择数据

 
 
   
  
  In [1]: import numpy as np   
  
     ...: import pandas as   
  
     ...: df = pd.DataFrame   
  
     
  
  In [2]: df   
  
  Out[2]:   
  
      a   b   c   
  
  0   0   2   4   
  
  1   6   8  10   
  
  2  12  14  16   
  
  3  18  20  22   
  
  4  24  26  28   
  
  5  30  32  34   
  
  6  36  38  40   
  
  7  42  44  46   
  
  8  48  50  52   
  
  9  54  56  58   
  
     
  
  In [3]: df.loc[0,'c']   
  
  Out[3]: 4   
  
     
  
  In [4]: df.loc[1:4,['a','c']]   
  
  Out[4]:   
  
      a   c   
  
  1   6  10   
  
  2  12  16   
  
  3  18  22   
  
  4  24  28   
  
  In [5]: df.iloc[0,2]   
  
  Out[5]: 4   
  
     
  
  In [6]: df.iloc[1:4,[0,2]]   
  
  Out[6]:   
  
      a   c   
  
  1   6  10   
  
  2  12  16   
  
  3  18  22

3.3 函数应用

 
 
   
  
  frame = pd.DataFrame(np.random.randn(4, 3), columns=list('bde'),   
  
                       index=['Utah', 'Ohio', 'Texas', 'Oregon'])   
  
  frame   
  
  np.abs(frame)   
  
     
  
  OUT：   
  
              b      d            e   
  
  Utah 0.204708 0.478943 0.519439   
  
  Ohio 0.555730 1.965781 1.393406   
  
  Texas 0.092908 0.281746 0.769023   
  
  Oregon 1.246435 1.007189 1.296221   
  
     
  
     
  
  f = lambda x: x.max() - x.min()   
  
  frame.apply(f)   
  
  OUT：   
  
  b    1.802165   
  
  d    1.684034   
  
  e    2.689627   
  
  dtype: float64   
  
     
  
  def f(x):   
  
      return pd.Series([x.min(), x.max()], index=['min', 'max'])   
  
  frame.apply(f)   
  
     
  
              b d       e   
  
  Utah -0.20 0.48 -0.52   
  
  Ohio -0.56 1.97 1.39   
  
  Texas 0.09 0.28 0.77   
  
  Oregon 1.25 1.01 -1.30

3.4 统计概述和计算

 
 
   
  
  df = pd.DataFrame([[1.4, np.nan], [7.1, -4.5],   
  
                     [np.nan, np.nan], [0.75, -1.3]],   
  
                    index=['a', 'b', 'c', 'd'],   
  
                    columns=['one', 'two'])   
  
  df   
  
  OUT:   
  
      one     two   
  
  a 1.40 NaN   
  
  b 7.10 -4.5   
  
  c NaN     NaN   
  
  d 0.75 -1.3   
  
     
  
     
  
  df.info()   
  
  df.describe()   
  
     
  
     
  
     
  
  Index: 4 entries, a to d   
  
  Data columns (total 2 columns):   
  
  one    3 non-null float64   
  
  two    2 non-null float64   
  
  dtypes: float64(2)   
  
  memory usage: 256.0+ bytes   
  
     
  
  OUT：   
  
            one          two   
  
  count 3.000000 2.000000   
  
  mean 3.083333 -2.900000   
  
  std 3.493685 2.262742   
  
  min 0.750000 -4.500000   
  
  25% 1.075000 -3.700000   
  
  50% 1.400000 -2.900000   
  
  75% 4.250000 -2.100000   
  
  max 7.100000 -1.300000

3.5 数据读取

 
 
   
  
  data = pd.read_csv('./dataset/HR.csv')   
  
  data.info()   
  
     
  
  out：   
  
     
  
  RangeIndex: 14999 entries, 0 to 14998   
  
  Data columns (total 10 columns):   
  
  satisfaction_level       14999 non-null float64   
  
  last_evaluation          14999 non-null float64   
  
  number_project           14999 non-null int64   
  
  average_montly_hours     14999 non-null int64   
  
  time_spend_company       14999 non-null int64   
  
  Work_accident            14999 non-null int64   
  
  left                     14999 non-null int64   
  
  promotion_last_5years    14999 non-null int64   
  
  sales                    14999 non-null object   
  
  salary                   14999 non-null object   
  
  dtypes: float64(2), int64(6), object(2)   
  
  memory usage: 1.1+ MB   
  
     
  
  data = pd.read_csv('./dataset/movielens/movies.dat', header=None, names=['name', 'types'], sep='::', engine='python')   
  
  data.head()   
  
  OUT：   
  
                  name types   
  
  1 Toy Story (1995) Animation|Children's|Comedy   
  
  2 Jumanji (1995) Adventure|Children's|Fantasy   
  
  3 Grumpier Old Men (1995) Comedy|Romance   
  
  4 Waiting to Exhale (1995) Comedy|Drama   
  
  5 Father of the Bride Part II (1995) Comedy   
  
     
  
     
  
  data = pd.read_excel('./dataset/my_excel.xlsx', sheet_name=1)   
  
  data.head()   
  
  ouput:   
  
          date H1 H2 H3   
  
  0 2014-06-01 1 2 3   
  
  1 2014-06-02 2 3 4   
  
  2 2014-06-03 3 4 5   
  
  3 2014-06-04 4 5 6

#4. Time- Series的操作

生成日期范围：

 
 
   
  
  import pandas as pd   
  
  pd.data_range('20190313',periods=10)   
  
     
  
  OUT:   
  
  DatetimeIndex(['2019-03-13', '2019-03-14', '2019-03-15', '2019-03-16',   
  
                 '2019-03-17', '2019-03-18', '2019-03-19', '2019-03-20',   
  
                 '2019-03-21', '2019-03-22'],   
  
                dtype='datetime64[ns]', freq='D')

5. 绘图功能

 
 
   
  
  ts = pd.DataFrame(np.random.randn(1000,4),index=pd.date_range('20180101',periods=1000),columns=list('abcd'))   
  
  ts = ts.cumsum()   
  
  ts.plot(figsize = (12,8))   
  
  plt.show()

当前标题：Python数据分析，必须要求掌握Pandas大熊猫
网站URL：http://www.fjjierui.cn/article/dhjooed.html

Python数据分析，必须要求掌握Pandas大熊猫

其他资讯

公司服务热线