Data Science | Pandas基础(一)

咸鱼学Python

发布于 2019-10-09 15:42:18

6350

发布于 2019-10-09 15:42:18

文章被收录于专栏：咸鱼学Python

Pandas是什么？

Pandas是数据分析的核心工具包，基于Numpy创建，为数据分析而存在。

一维数组Series + 二维数组Dataframe
可直接读取数据并做处理(高效简单)
兼容各种数据库
支持各种分析方法

Pandas基本数据结构-Series的基本概念

先举个栗子:

ar = np.random.rand(5)
s = pd.Series(ar)
print(ar)
print(s,type(s))
>>>
[0.1206055  0.83147658 0.88649587 0.2162775  0.31466148]
0    0.120605
1    0.831477
2    0.886496
3    0.216277
4    0.314661
dtype: float64 <class 'pandas.core.series.Series'>

在这里可以看到这里的Series相比与之前学习的ndarray是一个自带索引index的数组 = 一维的数组 + 对应的索引，当pd.Series单单只看values时就是一个ndarray。

在具体操作方面，Series和ndarray基本相似，包括索引切片的操作差别并不大。

Pandas基本数据结构-Series的创建方法

字典创建Series

# 字典创建Series
dic = {'a':1, 'b':2, 'c':3}
s = pd.Series(dic)
print(s)

数组创建Series

# 数组创建Series
arr = np.random.rand(5)*200
s = pd.Series(arr)
print(arr)
print(s,type(s))

Series的参数设置

我们可以通过指定Series的index以及dtype参数创建符合我们要求的Series。

# Series的参数设置
s = pd.Series(arr,index=list('abcde'),dtype=np.int,name=test)
print(s)
# index参数：设置index，长度保持一致
# dtype参数：设置数值类型
# 那么参数：设置名称

通过标量创建Series

s = pd.Series(arr,index=np.arange(5))
print(s)

Pandas基本数据结构-Series的索引

位置下标索引

位置下标从0开始，索引结果为numpy.float格式并且可以通过float()格式转换为float格式，且位置下标索引是没有负数的。

s = pd.Series(np.random.rand(5))
print(s)
print(s[0],type(s[0]),s[0].dtype)
print(float(s[0]),type(float(s[0])))
>>>
0    0.495361
1    0.152195
2    0.217591
3    0.748394
4    0.093389
dtype: float64
0.49536125725281055 <class 'numpy.float64'> float64
0.49536125725281055 <class 'float'>

标签索引

# 标签索引
s = pd.Series(np.random.rand(5), index = ['a','b','c','d','e'])
print(s)
print(s['a'],type(s['a']),s['a'].dtype)

# 如果需要选择多个标签的值，用[[]]来表示（相当于[]中包含一个列表）
# 多标签索引结果是新的数组
sci = s[['a','b','e']]
print(sci,type(sci))
>>>
a    0.714630
b    0.213957
c    0.172188
d    0.972158
e    0.875175
dtype: float64
0.714630383451 <class 'numpy.float64'> float64
a    0.714630
b    0.213957
e    0.875175
dtype: float64 <class 'pandas.core.series.Series'>

切片索引

s1 = pd.Series(np.random.rand(5))
s2 = pd.Series(np.random.rand(5), index = ['a','b','c','d','e'])
print(s1[1:4],s1[4])
print(s2['a':'c'],s2['c'])
print(s2[0:3],s2[3])
print('-----')
# 注意：用index做切片是末端包含

print(s2[:-1])
print(s2[::2])
# 下标索引做切片，和list写法一样
>>>
1    0.865967
2    0.114500
3    0.369301
dtype: float64 0.411702342342
a    0.717378
b    0.642561
c    0.391091
dtype: float64 0.39109096261
a    0.717378
b    0.642561
c    0.391091
dtype: float64 0.998978363818
-----
a    0.717378
b    0.642561
c    0.391091
d    0.998978
dtype: float64
a    0.717378
c    0.391091
e    0.957639
dtype: float64

布尔型索引

# 布尔型索引
# 数组做判断之后，返回的是一个由布尔值组成的新的数组
# .isnull() / .notnull() 判断是否为空值 (None代表空值，NaN代表有问题的数值，两个都会识别为空值)
# 布尔型索引方法：用[判断条件]表示，其中判断条件可以是 一个语句，或者是 一个布尔型数组！
s = pd.Series(np.random.rand(3)*100)
s[4] = None  # 添加一个空值
print(s)
bs1 = s > 50
bs2 = s.isnull()
bs3 = s.notnull()
print(bs1, type(bs1), bs1.dtype)
print(bs2, type(bs2), bs2.dtype)
print(bs3, type(bs3), bs3.dtype)
print('-----')
print(s[s > 50])
print(s[bs3])
>>>
0    2.03802
1    40.3989
2    25.2001
4       None
dtype: object
0    False
1    False
2    False
4    False
dtype: bool <class 'pandas.core.series.Series'> bool
0    False
1    False
2    False
4     True
dtype: bool <class 'pandas.core.series.Series'> bool
0     True
1     True
2     True
4    False
dtype: bool <class 'pandas.core.series.Series'> bool
-----
Series([], dtype: object)
0    2.03802
1    40.3989
2    25.2001
dtype: object