python之pandas简单介绍及使用(一)

一、  Pandas简介

1、Python Data Analysis Library 或 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。

2、Pandas 是python的一个数据分析包,最初由AQR Capital Management于2008年4月开发,并于2009年底开源出来,目前由专注于Python数据包开发的PyData开发team继续开发和维护,属于PyData项目的一部分。Pandas最初被作为金融数据分析工具而开发出来,因此,pandas为时间序列分析提供了很好的支持。 Pandas的名称来自于面板数据(panel data)和python数据分析(data analysis)。panel data是经济学中关于多维数据集的一个术语,在Pandas中也提供了panel的数据类型。

3、数据结构:

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,其区别是:List中的元素可以是不同的数据类型,而Array和Series中则只允许存储相同的数据类型,这样可以更有效的使用内存,提高运算效率。

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。以下的内容主要以DataFrame为主。

Panel :三维的数组,可以理解为DataFrame的容器。

Pandas 有两种自己独有的基本数据结构。读者应该注意的是,它固然有着两种数据结构,因为它依然是 Python 的一个库,所以,Python 中有的数据类型在这里依然适用,也同样还可以使用类自己定义数据类型。只不过,Pandas 里面又定义了两种数据类型:Series 和 DataFrame,它们让数据操作更简单了。

二、  Pandas安装

因为pandas是python的第三方库所以使用前需要安装一下,直接使用pip install pandas 就会自动安装pandas以及相关组件。

三、  Pandas使用

注:本次操作是在ipython中进行

1、导入pandas模块并使用别名,以及导入Series模块,以下使用基于本次导入。

In [1]: from pandas import Series

In [2]: import pandas as pd

2、Series

Series 就如同列表一样,一系列数据,每个数据对应一个索引值。

Series 就是“竖起来”的 list:

In [3]: s = Series([1,4,‘ww‘,‘tt‘])

In [4]: s
Out[4]:
0   1
1   4
2   ww
3   tt
dtype: object

另外一点也很像列表,就是里面的元素的类型,由你任意决定(其实是由需要来决定)。

这里,我们实质上创建了一个 Series 对象,这个对象当然就有其属性和方法了。比如,下面的两个属性依次可以显示 Series 对象的数据值和索引:

In [5]: s.index
Out[5]: RangeIndex(start=0, stop=4, step=1)

In [8]: s.values
Out[8]: array([1, 4, ‘ww‘, ‘tt‘], dtype=object)

列表的索引只能是从 0 开始的整数,Series 数据类型在默认情况下,其索引也是如此。不过,区别于列表的是,Series 可以自定义索引

In [9]: s2 = Series([‘wangxing‘,‘man‘,24],index=[‘name‘,‘sex‘,‘age‘])

In [10]: s2
Out[10]:
name    wangxing
sex       man
age      24
dtype: object

每个元素都有了索引,就可以根据索引操作元素了。还记得 list 中的操作吗?Series 中,也有类似的操作。先看简单的,根据索引查看其值和修改其值

In [12]: s2[‘name‘]
Out[12]: ‘wangxing‘

In [45]: s2[‘name‘] = ‘wudadiao‘

In [46]: s2
Out[46]:
name    wudadiao
sex    man
age   24
dtype: object

这是不是又有点类似 dict 数据了呢?的确如此。看下面就理解了。

读者是否注意到,前面定义 Series 对象的时候,用的是列表,即 Series() 方法的参数中,第一个列表就是其数据值,如果需要定义 index,放在后面,依然是一个列表。除了这种方法之外,还可以用下面的方法定义 Series 对象:

In [13]: sd = {‘python‘:9000,‘c++‘:9001,‘c#‘:9000}

In [14]: s3 = Series(sd)

In [15]: s3
Out[15]:
c#    9000
c++    9001
python   9000
dtype: int64

现在是否理解为什么前面那个类似 dict 了?因为本来就是可以这样定义的

这时候,索引依然可以自定义。Pandas 的优势在这里体现出来,如果自定义了索引,自定的索引会自动寻找原来的索引,如果一样的,就取原来索引对应的值,这个可以简称为“自动对齐”。

In [16]: s4 = Series(sd,index=[‘java‘,‘c++‘,‘c#‘])

In [17]: s4
Out[17]:
java    NaN
c++    9001.0
c#    9000.0
dtype: float64

在 Pandas 中,如果没有值,都对齐赋给 NaN。

Pandas 有专门的方法来判断值是否为空。

In [19]: pd.isnull(s4)
Out[19]:
java    True
c++   False
c#    False
dtype: bool

此外,Series 对象也有同样的方法:

In [20]: s4.isnull()
Out[20]:
java    True
c++   False
c#    False
dtype: bool

其实,对索引的名字,是可以从新定义的:

In [21]: s4.index = [‘语文‘,‘数学‘,‘English‘]

In [22]: s4
Out[22]:
语文    NaN
数学   9001.0
English    9000.0
dtype: float64

对于 Series 数据,也可以做类似下面的运算(关于运算,后面还要详细介绍):

In [23]: s4 * 2
Out[23]:
语文    NaN
数学    18002.0
English    18000.0
dtype: float64

In [24]: s4[s4 > 9000]
Out[24]:
数学 9001.0
dtype: float64

Series就先简要写到这,下面看pandas的另一种数据结构DataFrame.

DataFrame

DataFrame 是一种二维的数据结构,非常接近于电子表格或者类似 mysql 数据库的形式。它的竖行称之为 columns,横行跟前面的 Series 一样,称之为 index,也就是说可以通过 columns 和 index 来确定一个主句的位置。

首先来导入模块

In [27]: from pandas import Series,DataFrame

In [26]: data = {"name":[‘google‘,‘baidu‘,‘yahoo‘],"marks":[100,200,300],"price":[1,2,3]}

In [28]: f1 = DataFrame(data)

In [29]: f1
Out[29]:
  marks   name    price
0    100    google    1
1    200    baidu    2
2   300    yahoo    3

这是定义一个 DataFrame 对象的常用方法——使用 dict 定义。字典的“键”("name","marks","price")就是 DataFrame 的 columns 的值(名称),字典中每个“键”的“值”是一个列表,它们就是那一竖列中的具体填充数据。上面的定义中没有确定索引,所以,按照惯例(Series 中已经形成的惯例)就是从 0 开始的整数。从上面的结果中很明显表示出来,这就是一个二维的数据结构(类似 excel 或者 mysql 中的查看效果)。

上面的数据显示中,columns 的顺序没有规定,就如同字典中键的顺序一样,但是在 DataFrame 中,columns 跟字典键相比,有一个明显不同,就是其顺序可以被规定,向下面这样做:

In [31]: f2 = DataFrame(data,columns=[‘name‘,‘price‘,‘marks‘])

In [32]: f2
Out[32]:
  name    price    marks
0  google   1        100
1  baidu    2         200
2  yahoo   3         300

跟 Series 类似的,DataFrame 数据的索引也能够自定义

In [35]: f3 = DataFrame(data,columns=[‘name‘,‘marks‘,‘price‘],index=[‘a‘,‘b‘,‘c‘])

In [36]: f3
Out[36]:
  name    marks    price
a   google      100        1
b     baidu          200       2
c     yahoo         300            3

定义 DataFrame 的方法,除了上面的之外,还可以使用“字典套字典”的方式。

In [40]: newdata = {‘lang‘:{‘first‘:‘python‘,‘second‘:‘java‘},‘price‘:{‘first‘:5000,‘second‘:2000}}

In [41]: f4 = DataFrame(newdata)

In [42]: f4
Out[42]:
    lang    price
first   python   5000
second   java    2000

在字典中就规定好数列名称(第一层键)和每横行索引(第二层字典键)以及对应的数据(第二层字典值),也就是在字典中规定好了每个数据格子中的数据,没有规定的都是空。

DataFrame 对象的 columns 属性,能够显示素有的 columns 名称。并且,还能用下面类似字典的方式,得到某竖列的全部内容(当然包含索引):
>>> newdata = {"lang":{"firstline":"python","secondline":"java"}, "price":{"firstline":8000}}
>>> f4 = DataFrame(newdata)
>>> f4
              lang     price
firstline     python   8000
secondline    java     NaN 
>>> DataFrame(newdata, index=["firstline","secondline","thirdline"])
              lang     price
firstline     python   8000
secondline    java     NaN
thirdline     NaN      NaN 

DataFrame 对象的 columns 属性,能够显示素有的 columns 名称。并且,还能用下面类似字典的方式,得到某竖列的全部内容(当然包含索引):

In [44]: f3[‘name‘]
Out[44]:
a google
b baidu
c yahoo
Name: name, dtype: object

下面操作是给同一列赋值

newdata1 = {‘username‘:{‘first‘:‘wangxing‘,‘second‘:‘dadiao‘},‘age‘:{‘first‘:24,‘second‘:25}}

In [67]: f6 = DataFrame(newdata1,columns=[‘username‘,‘age‘,‘sex‘])

In [68]: f6
Out[68]:
  username    age    sex
first wangxing    24    NaN
second dadiao   25    NaN

In [69]: f6[‘sex‘] = ‘man‘

In [70]: f6
Out[70]:
  username  age    sex
first wangxing   24    man
second dadiao   25    man

可以单独的赋值,除了能够统一赋值之外,还能够“点对点”添加数值,结合前面的 Series,既然 DataFrame 对象的每竖列都是一个 Series 对象,那么可以先定义一个 Series 对象,然后把它放到 DataFrame 对象中。如下:

ssex = Series([‘男‘,‘女‘],index=[‘first‘,‘second‘])

In [72]: f6[‘sex‘] = ssex

In [73]: f6
Out[73]:
  username    age   sex
first wangxing     24      男
second dadiao    25    女

还可以更精准的修改数据吗?当然可以,完全仿照字典的操作:

In [74]: f6[‘age‘][‘second‘] = 30

In [75]: f6
Out[75]:
  username    age    sex
first wangxing    24          男
second dadiao   30     女

参考http://wiki.jikexueyuan.com/project/start-learning-python/312.html所整理。

 
时间: 2024-10-08 08:58:52

python之pandas简单介绍及使用(一)的相关文章

利用 Python 进行数据分析(七)- pandas 简单介绍(Series和DataFrame)

一.pandas 是什么 pandas 是基于 NumPy 的一个 Python 数据分析包,主要目的是为了数据分析.它提供了大量高级的数据结构和对数据处理的方法. pandas 有两个主要的数据结构:Series 和 DataFrame. 二.Series Series 是一个一维数组对象 ,类似于 NumPy 的一维 array.它除了包含一组数据还包含一组索引,所以可以把它理解为一组带索引的数组. 将 Python 数组转换成 Series 对象: 将 Python 字典转换成 Serie

[python之路]简单介绍

python介绍 #python是一个什么样的语言?编译型和解释型静态语言和动态语言强类型定义语言和弱类型定义语言python是一门动态解释性的强类型定义语言. #Python的优缺点##优点Python的定位是"优雅"."明确"."简单"开发效率非常高高级语言可移植性可扩展性可嵌入性 ##缺点速度慢代码不能加密线程不能利用多CPU问题 #Python解释器CPython.IPython.PyPy.Jython.IronPythonPython的

Python元组的简单介绍

1.实际上元组是跟列表非常相近的另一种容器类型.元组和列表看上去的不同的一点是元组用圆括号而列表用方括号.而在功能上,元组是一种不可变的类型.正是因为这个原因,元组可以做一些列表不可以做的事情,比如用做一个字典的key 2.创建一个元组并给他赋值 >>>aTuple=(123,'abc',4.5,['inner']) >>>aTuple (123,'abc',4.5,[inner]) >>>another=(None,'Something to see

MySQl 数据库 之 python模块 pymysql 简单介绍

终端输入指令: pip3 install pymysql 如果失败就检查 pip 指令的环境变量是否配置; 若不会,则自行百度; 等待下载完成后, 在终端直接进入 python 环境, 导入该模块, 若无报错,则证明下载成功.(如下图所示) 二. 开始使用: 1, 在py文件中导入该模块: import pymysql 2, 连接数据库服务器: conn = pymysql.connect(host='127.0.0.1', port=3306, user='root', password=''

Python常用的库简单介绍一下

Python常用的库简单介绍一下fuzzywuzzy ,字符串模糊匹配. esmre ,正则表达式的加速器. colorama 主要用来给文本添加各种颜色,并且非常简单易用. Prettytable 主要用于在终端或浏览器端构建格式化的输出. difflib ,[Python]标准库,计算文本差异 . Levenshtein ,快速计算字符串相似度. Chardet 字符编码探测器,可以自动检测文本.网页.xml的编码. shortuuid ,一组简洁URL/UUID函数库. ftfy ,Uni

python的列表,元组和字典简单介绍

引 入 java                                   python 存取多个值:数组或list集合 ------------------------> 列表,元组 key-value格式:    Map        ------------------------>    字典 自己学习发现,java跟python这两门面向对象语言在数据类型的定义上,很多思想都是互通的,这里不说java,简单介绍一下python的列表,元组和字典. 一.列表 List: 最通

Python 爬虫(1)简单介绍

Python上手很容易,免费开源,跨平台不受限制,面向对象,框架和库很丰富. Python :Monty Python's Flying Circus (Python的名字来源,和蟒蛇其实无关). 通过homebrew和pyenv可以维护多个Python版本. 相关知识 HTML HTTP = HyperText Transfer Protocol URI = Uniform Resource Identifier 强调资源 URL = Uniform Resource Locator 强调资源

利用 Python 进行数据分析(四)NumPy 基础:ndarray 简单介绍

一.NumPy 是什么 NumPy 是 Python 科学计算的基础包,它专为进行严格的数字处理而产生.在之前的随笔里已有更加详细的介绍,这里不再赘述. 利用 Python 进行数据分析(一)简单介绍 二.ndarray 是什么 ndarray 是一个多维的数组对象,具有矢量算术运算能力和复杂的广播能力,并具有执行速度快和节省空间的特点. ndarray 的一个特点是同构:即其中所有元素的类型必须相同. 三.ndarray 的创建 array() 函数 最简单的方法, 使用 NumPy 提供的

【美妙的Python之中的一个】Python简单介绍及环境搭建

美妙的Python之Python简单介绍及安装         简而言之: Python 是能你无限惊喜的语言,与众不同.             1.Python:          Python英文意思为蟒蛇,故又称为蟒蛇语言,在图标设计上有所体现,贵铎·范·罗萨姆(Guido van Rossum)于1989年创立.Python的特质,简单,优雅,健壮,继承传统编程语言的强大性与通用性,同一时候兼具简单脚本的简单性.         Python的哲学:仅仅用一种方法,最好是仅仅有一种方法