教程地址:http://www.showmeai.tech/tutorials/33
本文地址:http://www.showmeai.tech/article-detail/146
声明:版权所有,转载请联系平台与作者并注明出处
当我们提到python数据分析的时候,大部分情况下都会使用Pandas进行操作。本篇为pandas系列的导语,对pandas进行简单介绍,整个系列覆盖以下内容:
本篇为『图解Pandas核心操作函数大全』,讲解Pandas进行数据操作和处理的核心数据结构:Series、DataFrame和Index。
Series是一个一维的数组对象,它包含一个值序列和一个对应的索引序列。 Numpy中的一维数组也有隐式定义的整数索引,可以通过它获取元素值,而Series用一种显式定义的索引与元素关联。
显式索引让Series对象拥有更强的能力,索引可以是整数或别的类型(比如字符串),索引可以重复,也不需要连续,自由度非常高。
pandas.Series(data, index, dtype, copy)
如果数据是ndarray,则传递的索引必须具有相同的长度。如果没有传递索引值,那么默认的索引将是范围(n),其中n是数组长度,即 [0,1,2,3…,range(len(array))-1]
。
pandas.Series(np.array([47, 66, 48, 77, 16, 91]))
字典(dict)可以作为输入传递。如果没有指定索引,则按排序顺序取得字典键以构造索引。如果传递了索引,索引中与标签对应的数据中的值将被拉出。
pandas.Series({‘a’:47, ‘b’:66, ‘c’:48, ‘d’:77, ‘e’:16, ‘f’:91,})
通过各种方式访问Series数据,系列中的数据可以使用类似于访问numpy中的ndarray中的数据来访问。
data
data[0]
data[ :3]
data[0:3]
data[2:4]
data[4:]
Series有很多的聚合函数,可以方便的统计最大值、求和、平均值等
DataFrame是Pandas中使用最频繁的核心数据结构,表示的是二维的矩阵数据表,类似关系型数据库的结构,每一列可以是不同的值类型,比如数值、字符串、布尔值等等。
DataFrame既有行索引,也有列索引,它可以被看做为一个共享相同索引的Series的字典。它的列的类型可能不同,我们也可以把Dataframe想象成一个电子表格或SQL表。
pandas.DataFrame(data, index, columns, dtype, copy)
从列表中很方便的创建一个DataFrame,默认行列索引从0开始。
s = [
[47, 94, 43, 92, 67, 19],
[66, 52, 48, 79, 94, 44],
[48, 21, 75, 14, 29, 56],
[77, 10, 70, 42, 23, 62],
[16, 10, 58, 93, 43, 53],
[91, 60, 22, 46, 50, 41],
]
pandas.DataFrame(s)
从字典创建DataFrame,自动按照字典进行列索引,行索引从0开始。
s = [
‘a’:[47, 66, 48, 77, 16, 91],
‘b’:[94, 52, 21, 10, 10, 60],
‘c’:[43, 48, 75, 70, 58, 22],
‘d’:[92, 79, 14, 42, 93, 46],
‘e’:[67, 94, 29, 23, 43, 50],
‘f’:[19, 44, 56, 62, 55, 41],
]
pandas.DataFrame(s, columns=[‘a’,‘b’,‘c’,‘d’,‘e’,‘f’))
在刚学Pandas时,行选择和列选择非常容易混淆,在这里进行一下整理常用的列选择。
data[[‘a’]] # 返回a列,DataFrame格式
data.iloc[:,0] # 返回a列,Series格式
data.a # 返回a列,Series格式
data[‘a’] # 返回a列,Series格式
data.iloc[:,[0,3,4]]
data[[‘a’, ‘d’, ‘e’]]
data.iloc[:,[‘a’, ‘d’, ‘e’]]
data.iloc[:,2:] # 第3列及以后
data.iloc[:,2:5] # 第3、4、5列
data.iloc[:,:2] # 开始两列
整理多种行选择的方法,总有一种适合你的。
data[1:2]
data.loc[1:1]
data.loc[1] #返回Series格式
data.iloc[-1:]
data[-1:]
data.tail(1)
data[2:5]
data.loc[2:4]
data.iloc[[2, 3, 5],:]
data.head(2)
data.tail(2)
data.sample(3)
pandas的DataFrame非常方便的提取数据框内的数据。
data.iat[1, 2]
data.iloc[[2, 3, 5],[11, 4]]
对各类数值型、文本型,单条件和多条件进行行选择
data.[data.a>50]
data[data[‘a’]>50]
data.loc[data.a>50,:]
data.loc[data[‘a’]>50,:]
data.loc[(data.a>40) & (data.b>60),:]
data[(data.a>40)&(data.b>40)]
data.loc[data.a>50, [‘a’, ‘b’, ‘d’]]
data.loc[data[‘a’]>50, [‘a’, ‘b’, ‘d’]]
data.loc[(data.a>50)|(data.g==‘GD’),[‘a’, ‘b’, ‘g’]]
data.loc[(data.a>50)|(data.g.isin([‘GD’, ‘SH’])),[‘a’, ‘b’, ‘g’]]
可以按行、列进行聚合,也可以用pandas内置的describe对数据进行操作简单而又全面的数据聚合分析。
data.sum(axis=1)
numpy.mean(data.values)
data.sum(axis=0)
data.describe()
data.function(axis=0) # 按列计算
data.function(axis=1) # 按行计算
可以按照指定的多列进行指定的多个运算进行汇总统计。
df.groupby(‘g’).sum
df.groupby(‘g’)([‘d’]).agg([numpy.sum, numpy.mean, numpy.std])
df.groupby([‘g’, ‘h’]).mean
透视表是pandas的一个强大的操作,大量的参数完全能满足你个性化的需求。
pandas.pivot_table(df, index=‘g’, values=‘a’, columns=[‘h’], aggfunc=[numpy.sum], fill_value = 0, margins=True)
pandas对缺失值有多种处理办法,满足各类需求。
data.dropna(axis=0)
data.dropna(axis=1)
data.dropna(axis=0)
pandas 提供简单的查找替换功能,如果要复杂的查找替换,可以使用map()
、apply()
和 applymap()
data.replace(‘GD’, ‘GDS’)
df.loc[df.a>50, ‘a’]=888
两个DataFrame的合并,pandas会自动按照索引对齐,可以指定两个DataFrame的对齐方式,如内连接外连接等,也可以指定对齐的索引列。
df3 = pandas.merge(df1, df2, how=‘inner’)
df3 = pandas.merge(df1, df2, how=‘inner’, left_index=True, right_index=True)
pandas要对Dataframe的列名进行修改,操作如下:
data.columns=[‘a’, ‘b’, ‘c’, ‘d’, ‘’e, ‘f’]
这是pandas的一个强大的函数,可以针对每一个记录进行单值运算,无需手动写循环进行处理。
df[‘i’]=df.apply(compute, axis=1) # a+b>100返回1,否则返回0,存放到新的一列
df[‘i’]=df.apply(compute2, axis=1) # g包含GD、FJ的,e小于50的,返回1,否则返回0
def compute(arr):
a = arr['a']
b = arr['b']
if a+b>100:
return 1
else:
return 0
def compute2(arr):
a = arr['e']
b = arr['g']
if (g in ['GD','FJ']) and (e<50):
return 1
else:
return 0
本教程系列的代码可以在ShowMeAI对应的github中下载,可本地python环境运行,能科学上网的宝宝也可以直接借助google colab一键运行与交互操作学习哦!
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。