pandas是高效的数据读取、处理与分析的Python库,下面将学习pandas的基本用法
导入pandas , numpy, matplotlib库
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
Series是一个值的序列 ,它只有一个列,以及索引,下面的例子中,就是用默认的整数索引
DataFrame是有多个数据表,每个列拥有一个label,DataFrame也拥有索引
如果参数是一个dict(字典),每个dict的value会被转换成一个Series
可以这样理解,DataFrame是由Series组成
用head和tail查看顶端和底端的几行 head和tail的默认参数是5
实际上DataFrame内部用numpy 格式存储数据,可以单独查看index和columns
describe()显示数据概要
和numpy一样,可以方便的得到转置
对axis按照index排序(axis=1指第二个纬度,即 列)
按值排序
从DataFrame选择一个列,就得到了一个Series
和numpy类似,这里可以使用 []
刚刚的DataFrame可以通过时间戳的下标(dates[0]=Timestamp(‘20170917’))来访问
还可以多选
冒号和Matlab或Numpy里面的冒号用法是一样的 也可以加上行
和Matlab完全一样
选出3~4行, 0~1列
左闭右开
也可以用list选择
也可以用slice切片
对单个元素
基本用法
没有填充的值均为NaN
copy()函数:复制DataFrame isin()函数:是否在集合中,并选出
为DataFrame增加新的列,按index对应
通过label 下标 numpy 布尔值作下标 设置
pandas用np.nana表示缺失值,不加入计算
dropna()丢弃有NaN的行 fillna(value=5)填充缺失值 pd.isnull()获取布尔值的mask,哪些是NaN
平均值 mean() 对另一个纬度做平均值只需加一个参数 mean(1) 这里的1是纬度, 0表示x , 1 表示y, 2表示z 以此类推
对行或列进行操作,可以用lambda表达式
pd.read_csv('filename')
pd.read_excel('filename','Sheet1')
pd.read_hdf('filename')