关于Jupyter中数据分析工具Pandas详细介绍

您所在的位置：网站首页 › sqlalchemy pandas 写入 › 关于Jupyter中数据分析工具Pandas详细介绍

关于Jupyter中数据分析工具Pandas详细介绍

2023-06-18 12:38| 来源: 网络整理| 查看: 265

数据分析工具Pandas介绍 Panda数据结构分析Pandas索引操作及高级索引Series的索引操作DataFrame 算术运算与数据对齐数据排序按索引进行排序按值进行排序统计计算与描述层次化索引读写数据操作

Panda数据结构分析

一般来说，我们Panda中有两个数据结构，一个是Series，另一个是DataFrame

一、Series Series类似于一个一维的数组对象能够保存任何数据类型，其中Series索引再左边数据在右边

Pandas.Series(data=None,index=none,dype=none,copy=none) #data作为传输的数据可以是列表，数组 #index是索引是唯一的，且与数据的长度是一致的，默认是0-n #dtype是数据类型，copy是，是否复制数据

创建Series 在这里插入图片描述

二、DataFrame

DataFram类似于一个二维数组或者表格，每列可以是不同的数据类型与Series结构类似，结构如下所示

pd.DataFram(data=none,index=none,columns=none,dytpe=none,copy=none) #index为行标签，如果没有传入默认是0-n #columns为列标签，如果没有传入默认也是0-n #其余属性和Series一样

Series为了更加方便的操作Series对象为此提供了两个属性，index和value，通过这两个数据可以获取到Series的索引和数据 在这里插入图片描述

创建DataFram DataFrame为了便利的获取到数据，有两种方法可以一:可以通过索引的方法进行或者二：可以通过属性的方式来获取(有个弊端，当属性里面有空格或者特殊符号的时候会报错) 在这里插入图片描述

Pandas索引操作及高级索引

重置索引 reindex()方法的作用是对原索引和新索引进行匹配，也就是说，新索引含有原索引的数据，而原索引数据按照新索引排序，如果新索引没有原数据程序不会报错，会自动填充nan或者通过fill_values()进行填充

DataFrame.reindex(labels=none,index=none,columns=none, axis=none,method=none,fill_value=nan,limit=none) #index用作索引的新序列 #method插值的填充方式 #fill_引入缺失值使用的替代值 #limit向前或者向后填充时最大填充量

在这里插入图片描述

在这里插入图片描述索引操作

Series的索引操作

在这里插入图片描述

DataFrame

在这里插入图片描述

算术运算与数据对齐

在这里插入图片描述

数据排序按索引进行排序 sort_index(axis=0,level=none,ascending=True,inplace-False,kind='quicksort') #axis 0代表是行，1代表是列 #level 若不为none则对指定索引级别的值进行排序 #asceding 默认升序 #kind 选择排序算法

在这里插入图片描述