Pandas是基于Numpy的一种工具,这个工具是为了解决数据分析任务而创建的,pandas纳入了大量的库和一些标准的数据模型,提供了高效的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的处理数据的函数和方法。Pandas是使Python成为强大而高效的数据分析环境的重要因素之一。另外
在pandas包含了三种数据结构:
SeriesDataFrameTime-series下面我们就介绍一下Series和DataFrame这两种常用的数据结构,Time-series时间序列,我们后期会专门在开一篇文章仔细的去讲述一下。
一、Series
Series是一维数组,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,并且series可以运用Ndarray或字典的几乎所有索引操作和函数,融合了字典和ndarray的优点。
1、series索引
Series类型是由一组数据及与之相关的数据索引组成
自动索引:不创建系统自动创建索引。
自定义索引:自定义索引,创建完自定义索引后,自动索引也在。
Series是一维带’标签’数组,它的基本操作类似Ndarray和字典,genuine索引对齐。
2、创建对象
Series(列表/元组/字典/标量/Numpy数组/range等序列,index=param1)不写index会自动创建索引,如果写定指定索引,index可以是列表,numpy数组。
列子如下:
参数:列表或元组,并分别创建自动索引和手动索引(自动索引还在)
可以看出index(a,b,c,d,e)分别对应1,3,5,7,9
参数:字典,并分别创建自动索引和手动索引字典的key作为索引,value作为值
如果字典中在设置index,就相当于是从字典中挑选数据
参数:标量
Index可以是列表,元组,range序列,numpy数组
参数:numpy数组(ndarray)
3、属性
Series的主要属性包括index和values两部分
属性
说明
Values
获取数据,底层存储的是numpy数组
Index
获取索引
还有两个不太重要的属性
Name
Series的name(在DataFrame中没有Name属性)
Index.name
索引的name
还有一些类似于numpy数组的属性,比如dtype和shape等。
下面是一些属性的列子:
3.1Values值
3.2Index索引
3.3Name,series的名字
3.4Index,series索引的名字
4、选取
series类型的选取类似numpy数组,索引的方式相同,采用[],numpy中的运算和操作可用于series类型,可以通过自定义索引的列表进行切片也可以通过自动索引进行切片,如果存在自定义索引,则一同被切片
series类型的操作类似于python字典类型:通过自定义索引访问,保留字in操作,使用.get()方法
PS:.get(key,default=none)函数返回指定键的值,如果值不再字典中则返回默认值(默认为空),key是要查找的键,default是设置的默认值。
5、series类型对齐操作
Series+series,series类型在运算中会自动对齐不同索引的数据。
Series类型对齐
6、获取,设置,删除等
6.1获取值
由于具备numpy数组和字典的特性,series可以像使用numpy数组的索引切片或用字典的get一样来用。
6.2设置/修改:索引和切片
将a修改为11
将b,c修改为
将b,c改为和
将b,c改为和(注意这次用的是逗号,表示单独挑选出了b和c,上面是b到c)
6.3删除
drop方法(结果改变)和pop(像字典的用法,改变自身)
Drop:
删除a,结果改变
删除b和d
Pop:
二、DataFrame
DataFrame类型由公用相同索引的一组序列组成,是一个表格型的数据类型,每列值类型可以不同。DataFrame即有行索引也有列索引:
Indexaxis=0(默认)Columnaxis=1(默认)DataFrame常用于表达二维数据,但可以表达多维数据,基本操作类似于Series,依据行列索引
1、DataFrame的创建
1.1、从内存中创建
语法:
DataFrame(字典/列表/numpy数组/DataFrame,index=0,columns=1)也可以在创建的时候不指定index和columns,在创建完后单独设置这两个属性。
常用的参数:
字典:key作为列名,value作为该列的值。列表:作为值Numpy数组:作为值例子:
列表
手动创建行索引和列索引,方法1:创建的时候就设置好行列索引
手动创建行列索引,方法2:创建的时候设置自动索引,之后在修改
二维numpy数组手动输入数组
使用方法生成数组
字典(key是列名,value可以是数据,也可以是series类型)手动创建列索引,行索引自动创建
手动创建列索引,手动创建行索引
1.2、从文件中创建
DataFrame可以从文件中创建:
文件第一行默认作为列索引(columns),默认为没有行索引,可以通过indx_dol参数设置第1列或前几行作为行索引。如果第一行不作为列索引,设置header=none。
文件编码为utf-8,可以通过参数encoding设置编码。
方式
作用
pd.read_csv(filename)
从CSV文件导入数据,文件是逗号分隔。
pd.read_table(filename,sep=\t)
从限定分隔符的文本文件导入数据，默认是tab
pd.read_excel(filename)
从Excel文件导入数据
pd.read_sql(query,connection_object)
从SQL表/库导入数据
pd.read_json(json_string)
从JSON格式的字符串导入数据
pd.read_html(url)
解析URL、字符串或者HTML文件，抽取其中的tables表格
pd.read_clipboard()
从你的粘贴板获取内容，并传给read_table()
下面我们就将上面的这么多方法一个个演示一遍,文章中用的这些数据可以自己生成对应格式的就可以了,这个是不影响的,只要自己掌握了这些知识就好。
Pd.read_csv(filename):从CSV文件导入数据,文件是逗号分隔。编码是utf-8
编码是gbk
读取的时候,可以带行索引,用index_col=列
不把第一行作为列索引(在有些情况下,文件中全部都是数据)
2)pd.read_table(filename)
查看DataFrame的信息