python数据分析 |
您所在的位置：网站首页 › pandas库python36 › python数据分析 |
python数据分析
|
Pandas全面介绍及使用
1 Pandas 的介绍和安装2 Pandas中Series的数据结构介绍2.1 Series的介绍2.2 Series的创建2.3 Series的索引与切片2.3.1 Series的索引与值2.3.2 Series的索引与切片
2.4 Series 的运算
3 Pandas中DataFrame的数据结构介绍3.1 DataFrame介绍3.2 DataFrame创建3.3 DataFrame基础操作3.4 DataFrame的增删改查3.4.1 DataFrame的查3.4.3 DataFrame的增3.4.4 DataFrame的删
3.5 DataFrame的合并3.5.1 pd.concat3.5.2 df.append3.5.3 pd.merge3.5.4 df.join
1 Pandas 的介绍和安装
（1）为什么会有Pandas? Pandas支持大部分Numpy语言风格，尤其是数组函数与广播机制的各种数据处理。但是Numpy更适合处理同质型的数据。而Pandas的设计就是用来处理表格型或异质型数据的，高效的清洗、处理数据。 （2）Pandas是什么？ Pandas是基于Numpy的一种工具，提供了高性能矩阵的运算，该工具是为了解决数据分析任务而创建的。也是贯穿整个Python数据分析非常核心的工具。 （3）Pandas涉及内容 Series是一种一维的数组型对象，它包含了一个值序列(values)，并且包含了数据标签，称为索引(index)，本质相当于一列数据。 2.2 Series的创建语法：pd.Series(data=None,index=None,dtype=None,name=None,copy=False) data：创建数组的数据，可为array-like, dict, or scalar valueindex：指定索引dtype：数组数据类型name：数组名称copy：是否拷贝注意：data可为iterable, dict, or scalar value """data为iterable""" s1 = pd.Series([1,2,3,4],index=['a','b','c','d'],name='example') print(s1) """注意1：pandas里面索引是可重复的""" s2 = pd.Series([1,2,3,4,5],index=list("aacde")) print(s2) """注意2：索引的个数与data的个数是否要一致？index与values的个数必须一致""" # s3 = pd.Series([1,2,3,4,5],index=list("aabcde")) # print(s3) # 报错 """data为字典，key对应索引，value对应值""" dic1 = {"name":"steven","age":18,"gender":"male"} s4 = pd.Series(dic1) print(s4) # 构建索引列表 dic2 = {"name":"steven","age":18,"gender":"male"} index_li = ["class","name","gender"] s5 = pd.Series(dic2,index=index_li) # 以index指定的索引列表为主 class 在dic2 中没有，以nan形式填充 print(s5) """data为向量scalar""" s6 = pd.Series(np.random.randint(1,10,size=5),dtype="float") print(s6) # 查看类型除此之外，Pandas可以使用Numpy的数组函数 s.dtype :查看数据类型s.astype():修改数据类型s.head(n) :预览数据前5条s.tail(n) :预览数据后5条但是如果需要显示所有数据，则需以下代码。但并不建议使用 `#显示所有列 pd.set_option('display.max_columns', None) #显示所有行 pd.set_option('display.max_rows', None) #设置value的显示长度为100，默认为50 pd.set_option('max_colwidth',100) 2.3 Series的索引与切片 2.3.1 Series的索引与值 s.index : 查看索引s.values:查看值序列s.reset_index(drop=False):重置索引drop :是否删除原索引 默认为否注意 ：索引对象是不可变的，所以不能单个修改索引 s1 = pd.Series(np.arange(5)) s2 = pd.Series(['a','b','c'],index=['A','B','C']) print(s1,s2) print(s1.index,type(s1.index),s2.index,type(s2.index)) print(s1.values,type(s1.values),s2.values,type(s2.values)) # 获取索引A 注意：不是s2["A"] 这样是取值的 print(s1.index[1]) print(s2.index[1]) # print(s2.index['A']) # 报错 # 是否可以修改单独的索引？ # s2.index[1] = "D" # 报错：注意：索引对象是不可变的，为了更安全 2.3.2 Series的索引与切片 s[‘标签’]: 通过标签s[‘索引’] :通过索引s.loc[标签] : 通过标签s.iloc[索引]:通过索引 s1 = pd.Series(np.arange(1,6),index=list("abbde")) print(s1) # 取2 print(s1["b"],'\n','----------------') # 通过标签 print(s1[1],'\n','----------------') # 通过索引 print(s1.loc["b"],'\n','----------------') # 通过标签 print(s1.iloc[1],'\n','----------------') # 通过索引 # 查看 "a","d" print(s1[["a","d"]],'\n','----------------') # 通过标签 print(s1[[0,3]],'\n','----------------') # 通过索引 # 取大于3的值 布尔索引 print(s1[s1>3],'\n','----------------') # pandas 会根据数据类型 自动的处理缺失数据 data = ["a","b",None] print(pd.Series(data),'\n','----------------') # object data = [1,2,None] print(pd.Series(data),'\n','----------------') # np.nan 浮点类型 float64 2.4 Series 的运算 共同索引对应为运算，其它填充NaN没有共同索引时，则全部为NaN """共同索引对应为运算，其它填充NaN""" s1 = pd.Series(np.arange(10,20),index=range(10)) s2 = pd.Series(np.arange(20,25),index=range(5)) print(s1,'\n','----------------') print(s2,'\n','----------------') print(s1+s2,'\n','----------------') """没有共同索引时，则全部为NaN""" s3 = pd.Series(np.arange(5),index=range(5)) s4 = pd.Series(np.arange(5,10),index=range(5,10)) print(s3,'\n','----------------') print(s4,'\n','----------------') print(s3+s4,'\n','----------------') 3 Pandas中DataFrame的数据结构介绍 3.1 DataFrame介绍DataFrame表示的是矩阵的数据表,它包含已排序的列集合，每一列可以是不同的值类型(数值,字符串,布尔值)。在DataFrame中，数据被存储为一个以上的二维块。 pd.DataFrame(data=None,index=None,columns=None,dtype=None,copy=False) data：创建数组的数据，可为ndarray, dictindex：指定索引dtype：数组数据类型copy：是否拷贝 d1 = pd.DataFrame(np.random.randint(1,100,size=(3,3))) print(d1,'\n','-------------------------------------------------') """ 行索引 index 0轴 axis=0 列索引 columns 1轴 axis=1 值 values """ print(d1.index,'\n','-------------------------------------------------') # RangeIndex print(d1.columns,'\n','-------------------------------------------------') # RangeIndex print(d1.values,'\n','-------------------------------------------------') # ndarray的二维数组 # 指定index 为["amy","mia","steven"] # 指定columns 为["java","python","R"] d2 = pd.DataFrame(np.random.randint(1,100,size=(3,3)),index=["amy","mia","steven"],columns=["java","python","R"]) print(d2,'\n','-------------------------------------------------') """ 字典形式的data（同Seires） - key值为列索引 - value为值 - 行索引 不指定就为默认的 """ data = { "name":["amy","mia","steven"], "lesson":["java","python","R"] } d3 = pd.DataFrame(data) print(d3,'\n','-------------------------------------------------') # 指定一下列索引 d4 = pd.DataFrame(data,columns=["lesson","name"]) print(d4,'\n','-------------------------------------------------') # 以我们指定的columns为主 d5 = pd.DataFrame(data,columns=["lesson"]) print(d5,'\n','-------------------------------------------------') # 以我们指定的columns为主 指定的 多于 data的key值时，则会填充nan d6 = pd.DataFrame(data,columns=["lesson","name","age"]) # age 不存在，填充为nan print(d6,'\n','-------------------------------------------------') # 字典数据结构不一致的 也会补齐为nan data1 = [ {"name":"amy","age":18,"gender":1}, {"name":"jun","age":20}, {"name":"hy","gender":1} ] d7 = pd.DataFrame(data1) print(d7,'\n','-------------------------------------------------') """ 重置索引： 除了创建时可以指定，我们创建后还可以通过df.reindex()进行重置索引 语法：df.reindex(index=None, columns=None, axis=None,fill_value=nan) """ df = pd.DataFrame(np.arange(9).reshape(3,3),index=list("abc"),columns=list("ABC")) print(df,'\n','-------------------------------------------------') # 重置行索引 df1 = df.reindex(index=[1,2,3]) # 如果重置的索引 与 df中指定的index 无关系 则全部填充nan print(df1,'\n','-------------------------------------------------') df2 = df.reindex(index=["b","c","a"]) # 如果重置索引与df指定的索引 完全一致 但是乱序的话 根据重置索引变动 print(df2,'\n','-------------------------------------------------') df3 = df.reindex(index=["b","c","a","d"]) # 如果重置索引 比 df指定的索引 多 则多出的部分填充nan print(df3,'\n','-------------------------------------------------') # 填充列索引 df4 = df.reindex(columns=list("BCA")) # 跟行索引一样的本质一样，有就排序，没有就填充nan print(df4,'\n','-------------------------------------------------') # 同时重置 df5 = df.reindex(index=list("bca"),columns=list("CBA")) print(df5,'\n','-------------------------------------------------') 3.3 DataFrame基础操作 df.shape :查看数组形状，返回值为元组df.dtypes :查看列数据类型df.ndim :数据维度，返回为整数df.index :行索引df.columns :列索引df.values :值d.head(n) :显示头部几行,默认前5行d.tail(n) :显示末尾几行,默认后5行d.info() :相关信息概述 data = [ {"name":"amy","age":18,"tel":10086}, {"name":"bob","age":18}, {"name":"james","tel":10086}, {"name":"zs","tel":10086}, {"name":"james","tel":10086}, {"name":"ls","tel":10086}, ] d1 = pd.DataFrame(data) print(d1,'\n','-------------------------------------------------') print(d1.shape,'\n','-------------------------------------------------') # 查看数组形状 (6,3) 六行三列 二维的 print(d1.ndim,'\n','-------------------------------------------------') # 查看数组维度 df为二维的 print(d1.dtypes,'\n','-------------------------------------------------') # 查看列的数据类型 注意：每列的类型可以不一致 体现pandas更加灵活 print(d1.head(),'\n','-------------------------------------------------') # 显示前几行 默认为5 print(d1.tail(),'\n','-------------------------------------------------') # 显示末尾几行 默认为5 print(d1.info(),'\n','-------------------------------------------------') # 描述信息概要 Non-Null Count：非NAN数据的次数 3.4 DataFrame的增删改查 3.4.1 DataFrame的查 直接使用索引与标签 使用loc及iloc查询数据 ·df.loc[] 通过轴标签选择数据 ·df.iloc[] 通过整数索引选择数据 
"""使用索引查询数据"""
data = [
{"name":"amy","age":18,"tel":10086},
{"name":"bob","age":18},
{"name":"james","tel":10086},
{"name":"zs","tel":10086},
{"name":"james","tel":10086},
{"name":"ls","tel":10086},
]
d1 = pd.DataFrame(data,index=list("abcdef"))
print(d1,'\n','-------------------------------------------------')
"""
行索引
"""
# 取前两行
print(d1[:2],'\n','-------------------------------------------------') # 索引
print(d1[:"b"],'\n','-------------------------------------------------') # 标签 []
# d1[["a","b"]] # 报错 这种写法默认为 列索引，所以去列索引中找 没找着，则报错
# d1["a"] # 报错 这种写法默认为 列索引
"""
列索引
"""
# 取 name 这列 字典的本质
print(d1["name"],'\n','-------------------------------------------------') # 取出来单列，会变为Series类型
print(d1.name,'\n','-------------------------------------------------')
print(type(d1["name"]),'\n','-------------------------------------------------') # DataFrame其实是Series容器
# 取 name,tel
print(d1[["name","tel"]],'\n','-------------------------------------------------') # 取两列，取多列仍然时DataFrame
print(type(d1[["name","tel"]]),'\n','-------------------------------------------------')
# 取前两行的 name
print(d1[:2]["name"],'\n','-------------------------------------------------')
# 布尔索引 取出 name 不为james
print(d1[d1["name"]!="james"],'\n','-------------------------------------------------')
"""使用loc及iloc查询数据"""
idx = ["PHP","JAVA","Python","GO"]
col = ["one","two","three","four"]
d2 = pd.DataFrame(np.arange(16).reshape(4,4),index=idx,columns=col)
print(d2,'\n','-------------------------------------------------')
"""
df.loc[行,列]
取单
"""
# 取 Python 这行
print(d2.loc["Python",:],'\n','-------------------------------------------------')
# 取 three 这列
print(d2.loc[:,"three"],'\n','-------------------------------------------------')
"""
df.loc[行,列]
取多行
"""
# 取 PHP 与 GO 这两行
print(d2.loc[["PHP","GO"],:],'\n','-------------------------------------------------')
# 取 PHP 到 GO 这四行
print(d2.loc["PHP":"GO",:],'\n','-------------------------------------------------')
# 取 one four 两列
print(d2.loc[:,["one","four"]],'\n','-------------------------------------------------')
# 取连续行 java~go
print(d2.loc["JAVA":"GO",:],'\n','-------------------------------------------------') # 标签索引可以切片 双闭合
"""
索引位置
df.iloc[行,列]
"""
# 取 Python 这行
print(d2.iloc[2,:],'\n','-------------------------------------------------')
# 取 three 这列
print(d2.iloc[:,2],'\n','-------------------------------------------------')
# 去连续行 java~go
print(d2.iloc[1::,:],'\n','-------------------------------------------------') # 左闭右开
# 取出 one two three数据 并且 筛选出 two列 大于3的
print(d2.loc[:,"one":"three"][d2.two>3],'\n','-------------------------------------------------')
idx = ["PHP","GO","Python","GO"]
col = ["one","two","three","four"]
d3 = pd.DataFrame(np.arange(16).reshape(4,4),index=idx,columns=list("1234"))
print(d3,'\n','--------------------------------------------')
# print(d3.loc["PHP":"GO",:]) # 报错
"""
注意：如果 出现了重复索引 然后切片时出现歧义则会报错
注意：如果列索引 为 1，2，3，4这种就不要使用 d3.1 访问会报错。
"""
### 3.4.2 DataFrame的改
修改数据主要遵循以下两点：
- 查询数据
- 再赋值
注意：Pandas中可以直接赋值np.nan，且赋值当前列数据会自动转为浮点类型。而不是整个数组都转，这主要是因为Pandas数据可以是异质性。
idx = ["PHP","GO","Python","GO"]
col = ["one","two","three","four"]
d4 = pd.DataFrame(np.arange(16).reshape(4,4),index=idx,columns=col)
print(d4,'\n','--------------------------------------------')
# 修改php 整行数据为 8 注意：修改的是原数据
d4.loc["PHP",:] = 8
print(d4,'\n','--------------------------------------------')
# 修改two 整列数据为 10 注意：修改的是原数据
d4.loc[:,"two"] = 10
print(d4,'\n','--------------------------------------------')
# 修改对应python和hree的10改为80
d4.loc["Python","three"] = 80
print(d4,'\n','--------------------------------------------')
# 可以直接赋值为np.nan吗？
d4.loc["Python","three"] = np.nan
print(d4,'\n','--------------------------------------------') # 注意：pandas可以自动转为float
3.4.3 DataFrame的增
新增列：df[“新的列标签”] = 值 注意：添加列，则新添加的值的长度必须与其它列的长度保持一致，否则会报错。插入列：如果需要在数据中插入列，则使用 df.insert(loc, column, value) • loc 为插入列的位置 • column 为插入列的标签 • value 为插入列的值添加行：df.loc[“新的行标签”,:] = 值除此之外，我们还可以通过 df.append(df2) 方法添加行，但类似于数组与数组的堆叠拼接。所以df2的列索引必须同df一致。
"""新增列"""
idx = ["PHP","JAVA","Python","GO"]
col = ["one","two","three","four"]
d5 = pd.DataFrame(np.arange(16).reshape(4,4),index=idx,columns=col)
print(d5,'\n','--------------------------------------------')
# 添加five列 全为10
d5["five"] = 10
print(d5,'\n','--------------------------------------------')
# 重复索引会覆盖原有的信息
d5["five"] = [1,2,3,4]
print(d5,'\n','--------------------------------------------')
# 添加列，则需要保证数组的长度与该列的长度一致
# d5["five"] = [1,2,3] # 报错
# print(d5,'\n','--------------------------------------------')
"""插入列"""
# 在第0列前 插入"six"这列
d5.insert(0,"six",[4,5,76,8])
print(d5,'\n','--------------------------------------------')
"""添加行"""
d5.loc["C++",:] = np.arange(6)
print(d5,'\n','--------------------------------------------')
"""叠加"""
d6 = pd.DataFrame(np.arange(6).reshape(1,6),index=["C"],columns=d5.columns)
d5= d5.append(d6) # 添加行 注意：d6与d5的列索引一致
print(d5,'\n','--------------------------------------------')
3.4.4 DataFrame的删
法1：del df[“列标签”]法2：df.drop(axis=0,index=None,columns=None, inplace=False)
d7 = pd.DataFrame(np.arange(9).reshape(3,3),index=list("abc"),columns=list("ABC"))
print(d7,'\n','--------------------------------------------')
# del删除数据
del d7["C"] # 获取到"C"列 删除这列
print(d7,'\n','--------------------------------------------')
# drop 删除数据
d8 = d7.drop(columns="A") # 删除"A"列
print(d8,'\n','--------------------------------------------')
# 删除 "a","c"两行
d9 = d7.drop(index=["a","c"])
print(d9,'\n','--------------------------------------------')
# 指定轴来控制 行与列
d10 = d7.drop("b",axis=0)
print(d10,'\n','--------------------------------------------')
d11= d7.drop("A",axis=1)
print(d11,'\n','--------------------------------------------')
3.5 DataFrame的合并
3.5.1 pd.concat
语法：df = pd.concat(objs, axis = 0, ignore_index = False, join = "outer （1）concat是”contatenate"的缩写，指的是多表之间的“拼接”。事实上“拼接”和“合并”还是有区别的，拼接一般是上下，合并时左右。 （2）参数解释： objs: 指的是要合并的dataframe（们）。可以是一个列表[df1,df2,…]也可以是一个集合(df1,df2,…)。axis：指的是拼接的方向。axis = 0指的是拼接行（向下拼接），axis = 1指的是拼接列（向右拼接）。ignore_index: 指的是拼接后是否忽视原df各自的索引。比如，假如我们按行拼接，原来df1中有五条数据，索引是0,1,2,3,4。原来的df2中也有五条数据，索引也是0,1,2,3,4。如果我们在合并时，将ignoreindex的值设为False，那么拼接后df的索引就是0,1,2,3,4,0,1,2,3,4。那么如果将ignore_index的值设为True, 那么拼接后df的索引就是0,1,2,3,4,5,6,7…join：表示“如何拼接”。由于两表中的信息可能是不同的，所以要设置这个参数以表明拼接方式。其中，outer表示取并集，inner表示取交集。 举例来看一下吧 df1 = pd.DataFrame(np.arange(12).reshape(4,3),index=range(0,4),columns=list('abc')) df2 = pd.DataFrame(np.arange(12).reshape(4,3),index=range(0,4),columns=list('def')) print(df1,'\n','--------------------------------------------') print(df2,'\n','--------------------------------------------') # df3 = pd.concat([df1,df2],axis=0) # df3 df4 = pd.concat([df1,df2],axis=1,ignore_index=False) df4 3.5.2 df.append语法：df = df1.append(df2) append可以视作axis=0的，简便版的concat。也就是说，它只支持行拼接，同时比concat简便一些。 这里要注意和concat的用法区别。concat是pd的属性，所以调用的时候应该是pd.concat((df1,df2))，而append是对df的方法，所以调用的时候是df1.append(df2) df1 = pd.DataFrame(np.arange(12).reshape(4,3),index=range(0,4),columns=list('abc')) df2 = pd.DataFrame(np.arange(12).reshape(4,3),index=range(0,4),columns=list('def')) print(df1,'\n','--------------------------------------------') print(df2,'\n','--------------------------------------------') df3 = df1.append(df2) df3 3.5.3 pd.merge语法：df = pd.merge(left, right, how = "inner",on = "None") 与concat(拼接）不同，merge才是真正意义上的”合并“。 拼接和合并的区别在于，拼接只是简单地”堆“在一起，而合并则是基于某一个”主键“将两个表”合“在一起。事实上merge也有很多参数，这里只列了最常用的。其中：参数解释： （1）left: 左表。也就是第一个df。 （2）right：右表。也就是第二个df。 （3）how: 和concat里面的"join"类似，表示“如何合并两表。除了”inner“和”outer“以外，merge中还有”left"(基于左表进行合并）和“right”（基于右表进行合并）。具体地：1）left: 只使用左表的键。2）right：只使用右表的键。3）inner: 使用左右表键的交集。4）outer：使用左右表键的并集。 （4）on: 表示按照哪一个键来进行合并 df1= pd.DataFrame(np.arange(12).reshape(4,3),index=range(0,4),columns=list('abc')) df2 = pd.DataFrame(np.arange(12).reshape(4,3),index=range(0,4),columns=list('def')) print(df1,'\n','--------------------------------------------') print(df2,'\n','--------------------------------------------') df3 = pd.merge(df1,df2,how='outer',left_index=True,right_index=True) df3 3.5.4 df.join语法：df = left.join(right,on = "key", how = "left") 类似于append之于concat，join也可以被理解为merge的一个简便并且特殊的方法。join也可以设置参数"how"，只不过这里默认值不同。Merge中，how的默认值是”inner“,join中的默认值为”left"。 df1= pd.DataFrame(np.arange(12).reshape(4,3),index=range(0,4),columns=list('abc')) df2 = pd.DataFrame(np.arange(12).reshape(4,3),index=range(0,4),columns=list('def')) print(df1,'\n','--------------------------------------------') print(df2,'\n','--------------------------------------------') df3 = df1.join(df2,how='right') df3 |
（4）Pandas安装 直接在dos命令行中输入pip install pandas。
【本文地址】