08:Python数据分析之pandas学习
1.1 数据结构介绍
参考博客:http://www.cnblogs.com/nxld/p/6058591.html
1、pandas介绍
1. 在pandas中有两类非常重要的数据结构,即序列Series和数据框DataFrame。
2. Series类似于numpy中的一维数组,除了通吃一维数组可用的函数或方法,而且其可通过索引标签的方式获取数据,还具有索引的自动对齐功能;
3. DataFrame类似于numpy中的二维数组,同样可以通用numpy数组的函数和方法,而且还具有其他灵活应用,后续会介绍到。
2、Series创建的三种方式
1、通过一维数组创建序列
import numpy as np, pandas as pd arr1 = np.arange(10) print arr1,type(arr1) # [0 1 2 3 4 5 6 7 8 9] <type 'numpy.ndarray'> s1 = pd.Series(arr1) print s1,type(s1) # 0 0 # 1 1 # 2 2 # 3 3 # 4 4 # 5 5 # 6 6 # 7 7 # 8 8 # 9 9 # dtype: int64 <class 'pandas.core.series.Series'>
通过一维数组创建序列
2、通过字典的方式创建序列
import numpy as np, pandas as pd dic1 = {'a':10,'b':20,'c':30,'d':40,'e':50} s2 = pd.Series(dic1) print s2, type(s2) # a 10 # b 20 # c 30 # d 40 # e 50 # dtype: int64 <class 'pandas.core.series.Series'>
通过字典的方式创建序列
3、通过DataFrame中的某一行或某一列创建序列
3、DataFrame创建的三种方式
1、通过二维数组创建数据框
import numpy as np, pandas as pd arr2 = np.array(np.arange(12)).reshape(4,3) print arr2,type(arr2) # [[ 0 1 2] # [ 3 4 5] # [ 6 7 8] # [ 9 10 11]] df1 = pd.DataFrame(arr2) print df1,type(df1) # 0 1 2 # 0 0 1 2 # 1 3 4 5 # 2 6 7 8 # 3 9 10 11
通过二维数组创建数据框
2.1 通过字典的方式创建数据框
import numpy as np, pandas as pd dic2 = {'a':[1,2,3,4],'b':[5,6,7,8],'c':[9,10,11,12],'d':[13,14,15,16]} df2 = pd.DataFrame(dic2) print df2# a b c d # 0 1 5 9 13 # 1 2 6 10 14 # 2 3 7 11 15 # 3 4 8 12 16
法1:字典列表生成DataFrame
import numpy as np, pandas as pd dic3 = {'one':{'a':1,'b':2,'c':3,'d':4},'two':{'a':5,'b':6,'c':7,'d':8},'three':{'a':9,'b':10,'c':11,'d':12}} df3 = pd.DataFrame(dic3) print df3, type(df3)# one three two # a 1 9 5 # b 2 10 6 # c 3 11 7 # d 4 12 8
法2:嵌套字典生成DataFram
# -*- coding: utf-8 -*- import json import pandas as pdd = {"slagroupcount": [{"g_sla": 99.943755250038564,"weight": 20.0,"g_t_v": 19.988751050007714,"sla_nums": 14,"id": 1,"name": "大数据"},{"g_sla": 99.994763756058816,"weight": 20.0,"g_t_v": 19.998952751211764,"sla_nums": 6,"id": 2,"name": "基础架构"},],"slacount": 99.611111411465515 }result = {} gcounts = [] subs = []for i in range(10):day_of_result = dgcounts.append(float(day_of_result['slacount'])) # "slacount": 99.611111411465515subs += day_of_result['slagroupcount'] # slagroupcount是一个列表,列表中包含多个字典 result['slacount'] = sum(gcounts) / len(gcounts) print subs df = pd.DataFrame(subs) # subs = [{},{},,{},{}....] # print df g = df.groupby('name').mean() # 将数据按照name分组计算平均值 print g ''' # 下面是g的打印结果(按照name分组,求出各项平均值)g_sla g_t_v id sla_nums weight name 基础架构 99.994764 19.998953 2 6 20.0 大数据 99.943755 19.988751 1 14 20.0 '''
举例:df.groupby对数据框进行分组
# -*- coding: utf-8 -*- import json import pandas as pd '''一:这里字典d是GroupCountResult表中result字段中的一条数据''' d = {"slagroupcount": [{"g_sla": 99.943755250038564,"weight": 20.0,"g_t_v": 19.988751050007714,"sla_nums": 14,"id": 1,"name": "大数据"},{"g_sla": 99.994763756058816,"weight": 20.0,"g_t_v": 19.998952751211764,"sla_nums": 6,"id": 2,"name": "基础架构"},],"slacount": 99.611111411465515 }'''二:模拟获取最近10天sla平均值:下面使用for循环伪造从GroupCountResult表中取出了10条数据,进行平均值计算''' result = {} gcounts = [] subs = [] for i in range(10):day_of_result = dgcounts.append(float(day_of_result['slacount'])) # "slacount": 99.611111411465515subs += day_of_result['slagroupcount'] # slagroupcount是一个列表,列表中包含多个字典 df = pd.DataFrame(subs) # subs = [{},{},,{},{}....] g = df.groupby('name').mean() # 将数据按照name分组计算平均值 print g ''' # 下面是g的打印结果(按照name分组,求出各项平均值)g_sla g_t_v id sla_nums weight name 基础架构 99.994764 19.998953 2 6 20.0 大数据 99.943755 19.988751 1 14 20.0 ''''''三:将利用pandas计算出来的结果循环到字典中''' result = {} result['slagroupcount'] = [] for index, row in g.iterrows():result['slagroupcount'].append({'name': row.name,'id': int(row.id),'weight': row.weight,'sla_nums': row.sla_nums,'g_sla': row.g_sla,'g_t_v': row.g_t_v}) print result['slagroupcount'] ''' # 这里的d就是求出上面10条平均值后生成的字典 d = {"slagroupcount": [{"g_sla": 99.943755250038564,"weight": 20.0,"g_t_v": 19.988751050007714,"sla_nums": 14,"id": 1,"name": "大数据"},{"g_sla": 99.994763756058816,"weight": 20.0,"g_t_v": 19.998952751211764,"sla_nums": 6,"id": 2,"name": "基础架构"},],"slacount": 99.611111411465515 } '''
举例2:字典生成数据框,分组求平均值,然后将结果存入新字典
2.2 对数据框分组求值
# -*- coding: utf-8 -*- import json import pandas as pdli = [ {'name': 'Hospital01', 'abbreviation': 'sdhospital','domain': '', 'service': 'mongodb', 'sla': 97.07472}, {'name': 'Hospital01', 'abbreviation': 'sdhospital','domain': '', 'service': 'redmine', 'sla': 93.07472}, {'name': 'Hospital01', 'abbreviation': 'sdhospital','domain': '', 'service': 'mongodb', 'sla': 95.07472}, {'name': 'Hospital01', 'abbreviation': 'sdhospital','domain': '', 'service': 'redmine', 'sla': 98.07472}, {'name': 'Hospital02', 'abbreviation': 'sysucc','domain': '', 'service': 'redmine', 'sla': 87.07472}, {'name': 'Hospital02', 'abbreviation': 'sysucc','domain': '', 'service': 'mongodb', 'sla': 73.07472}, {'name': 'Hospital02', 'abbreviation': 'sysucc','domain': '', 'service': 'redmine', 'sla': 55.07472}, {'name': 'Hospital02', 'abbreviation': 'sysucc','domain': '', 'service': 'mongodb', 'sla': 78.07472}, ]# 第一步:将列表字典转换成数据框 df = pd.DataFrame(li) # 将列表字典转换成数据框# 第二步:将数据按照name分组计算平均值 g = df.groupby('name').mean() # 将数据按照name分组计算平均值 # print g '''sla name Hospital01 95.82472 Hospital02 73.32472 '''# 第三步:将二中分组后的值转换成字典 print g.to_dict() ''' {"sla": {"Hospital01": 95.82472, "Hospital02": 73.32472} } '''
例1:对其中一个指标进行分组求值
# -*- coding: utf-8 -*- import json import pandas as pdli = [ {'name': 'Hospital01', 'abbreviation': 'sdhospital','domain': '', 'service': 'mongodb', 'sla': 97.07472}, {'name': 'Hospital01', 'abbreviation': 'sdhospital','domain': '', 'service': 'redmine', 'sla': 93.07472}, {'name': 'Hospital01', 'abbreviation': 'sdhospital','domain': '', 'service': 'mongodb', 'sla': 95.07472}, {'name': 'Hospital01', 'abbreviation': 'sdhospital','domain': '', 'service': 'redmine', 'sla': 98.07472}, {'name': 'Hospital02', 'abbreviation': 'sysucc','domain': '', 'service': 'redmine', 'sla': 87.07472}, {'name': 'Hospital02', 'abbreviation': 'sysucc','domain': '', 'service': 'mongodb', 'sla': 73.07472}, {'name': 'Hospital02', 'abbreviation': 'sysucc','domain': '', 'service': 'redmine', 'sla': 55.07472}, {'name': 'Hospital02', 'abbreviation': 'sysucc','domain': '', 'service': 'mongodb', 'sla': 78.07472}, ]# 第一步:将列表字典转换成数据框 df = pd.DataFrame(li) # 将列表字典转换成数据框# 第二步:将数据框按照 service,name,abbreviation 同时分组 service_name_group = df.groupby([df['service'], df['name'], df['abbreviation']]).mean() # print service_name_group ''' service name abbreviation mongodb Hospital01 sdhospital 96.07472Hospital02 sysucc 75.57472 redmine Hospital01 sdhospital 95.57472Hospital02 sysucc 71.07472 '''# 第三步:将分组后的结果转换成字典 # print service_name_group.to_dict() ''' {'sla': {('redmine', 'Hospital01', 'sdhospital'): 95.57472,('redmine', 'Hospital02', 'sysucc'): 71.07472,('mongodb', 'Hospital02', 'sysucc'): 75.57472,('mongodb', 'Hospital01', 'sdhospital'): 96.07472} } '''# 第四步:将转换成的字典转换成我们想要的字典格式 context = {} for k, v in service_name_group.to_dict()['sla'].items():context.setdefault(k[0], []) # {'mongodb': [], 'redmine': []}context[k[0]].append({'name': k[1], 'sla': v, 'abbreviation': k[2]}) ''' 这是for循环k,v的结果 ('redmine', 'Hospital01', 'sdhospital') 95.57472 ('redmine', 'Hospital02', 'sysucc') 71.07472 ('mongodb', 'Hospital02', 'sysucc') 75.57472 ('mongodb', 'Hospital01', 'sdhospital') 96.07472 ''' # print context # 这里d是我们最终想要得到的结果 d = {"mongodb": [{"abbreviation": "sysucc","name": "Hospital02","sla": 75.57472},{"abbreviation": "sdhospital","name": "Hospital01","sla": 96.07472}],"redmine": [{"abbreviation": "sdhospital","name": "Hospital01","sla": 95.57472},{"abbreviation": "sysucc","name": "Hospital02","sla": 71.07472}] }
例2:同时对多个指标进行分组求值
# -*- coding: utf-8 -*- import json import pandas as pdli = [{'name':'zhangsan','times':'first','math':88,'chinese':82},{'name':'zhangsan','times':'second','math':84,'chinese':83},{'name':'zhangsan','times':'third','math':85,'chinese':87},{'name': 'lisi', 'times': 'first', 'math': 88, 'chinese': 82},{'name': 'lisi', 'times': 'second', 'math': 84, 'chinese': 83},{'name': 'lisi', 'times': 'third', 'math': 85, 'chinese': 87}, ]# 第一步:将列表字典转换成数据框 df = pd.DataFrame(li) # subs = [{},{},,{},{}....]# 第二步:将数据框按照name分组 g = df.groupby([df['name']]).mean() # print g '''chinese math name lisi 84.0 85.666667 zhangsan 84.0 85.666667 '''# 第三步:将利用pandas计算出来的结果循环到字典中 result = [] for index, row in g.iterrows():result.append({'name': row.name,'math': int(row.math),'chinese': row.chinese,}) # print result ret_li = [{"chinese": 84,"name": "lisi","math": 85},{"chinese": 84,"name": "zhangsan","math": 85} ]
例3:对一个指标多个数据分组求值(求zhangsan,lisi两个用户三次考试语文数学平均成绩)
2.3 对数据框进行过滤查询
# -*- coding: utf-8 -*- import json import pandas as pdli = [{'name':'zhangsan','times':'first','math':88,'chinese':82},{'name':'zhangsan','times':'second','math':84,'chinese':83},{'name':'zhangsan','times':'third','math':85,'chinese':87},{'name': 'lisi', 'times': 'first', 'math': 88, 'chinese': 82},{'name': 'lisi', 'times': 'second', 'math': 84, 'chinese': 83},{'name': 'lisi', 'times': 'third', 'math': 85, 'chinese': 87}, ]# 第一步:将列表字典转换成数据框 df = pd.DataFrame(li) # subs = [{},{},,{},{}....]# 第二步:过滤出zhangsan用户,第一次考试的结果 result = df[(df['name'] == 'zhangsan') & (df['times']=='first')] # result = df[(df['name'] == 'zhangsan') | (df['times']=='first')] # 过滤出name='zhangsan' 或者 times='first' 的条目# 第三步:将第二步中过滤的结果添加到字典中 li = [] for index, row in result.iterrows():li.append({'姓名':row['name'],'第几次考试':row['times'],'数学成绩':row['math'],'语文成绩':row['chinese']}) print json.dumps(li)''' [{"第几次考试": "first","语文成绩": 82,"数学成绩": 88,"姓名": "zhangsan" }] '''
例1:对数据框进行条件过滤
1.2 数据索引index
1、通过索引值或索引标签获取数据
import numpy as np, pandas as pd#1、通过列表生成Series s4 = pd.Series(np.array([1,2,3,4])) print s4 # 0 1 # 1 2 # 2 3 # 3 4#2、为Series自定义的索引值 s4.index = ['a','b','c','d'] print s4 # a 1 # b 2 # c 3 # d 4#3、通过两种索引均可获取到值 print s4[3],s4['d'] # 4 4
通过索引值或索引标签获取数据
2、自动化对齐
#-*- coding:utf8 -*- import numpy as np, pandas as pds5 = pd.Series(np.array([10,15,20,30]), index = ['a','b','c','d']) s6 = pd.Series(np.array([12,11,13,15]), index = ['a','c','g','b']) print s5 + s6 # a 22.0 # b 30.0 # c 31.0 # d NaN # g NaN# 说明:由于s5中的d和s6中的g没有对应的所有,所以数据的运算会产生两个缺失值NaN # 注意,这里的算术结果就实现了两个序列索引的自动对齐,而非简单的将两个序列加总或相除。 # 对于数据框的对齐,不仅仅是行索引的自动对齐,同时也会自动对齐列索引(变量名)
自动化对齐
1.3 统计分析
#-*- coding:utf8 -*- import numpy as np, pandas as pdnp.random.seed(1234) d1 = pd.Series(2*np.random.normal(size = 100)+3) # 生成Series 100个 d1.count() #非空元素计算 d1.min() #最小值 d1.max() #最大值 d1.idxmin() #最小值的位置,类似于R中的which.min函数 d1.idxmax() #最大值的位置,类似于R中的which.max函数 d1.quantile(0.1) #10%分位数 d1.sum() #求和 d1.mean() #均值 d1.median() #中位数 d1.mode() #众数 d1.var() #方差 d1.std() #标准差 d1.mad() #平均绝对偏差 d1.skew() #偏度 d1.kurt() #峰度 d1.describe() #一次性输出多个描述性统计指标
统计分析基本使用
转载于:https://www.cnblogs.com/xiaonq/p/9036911.html
08:Python数据分析之pandas学习相关推荐
- (转载)Python数据分析之pandas学习
转载地址:http://www.cnblogs.com/nxld/p/6058591.html Python中的pandas模块进行数据分析. 接下来pandas介绍中将学习到如下8块内容: 1.数据 ...
- Python数据分析之pandas学习
Python中的pandas模块进行数据分析. 接下来pandas介绍中将学习到如下8块内容: 1.数据结构简介:DataFrame和Series 2.数据索引index 3.利用pandas查询数据 ...
- python 数据分析 |3. Pandas 学习
利用Pandas库可以快速地完成数据读写.数据分片/分组统计.数据整理等操作.Pandas的所有功能都是构建在两个最基础的数据结构之上:Series与DataFrame Series是一种类似于一维数 ...
- pandas python2_Python数据分析之pandas学习(二)
有关pandas模块的学习与应用主要介绍以下8个部分: 1.数据结构简介:DataFrame和Series 2.数据索引index 3.利用pandas查询数据 4.利用pandas的DataFram ...
- python常用命令汇总-python数据分析之pandas常用命令整理
原标题:python数据分析之pandas常用命令整理 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 ...
- python 数据分析day4 Pandas 之 DataFrame
DataFrame 一. 创建DataFrame 1. 二维数组创建 2. 字典创建 3. JSON创建 4. 读取Excel或CSV文件创建 5. 读数据库(MySQL)创建 二. 常用属性 三. ...
- Python数据分析之Pandas库
Python数据分析之Pandas库 一.Pandas简介 二.Pandas库的安装 三.Pandas的数据结构 四.Series 和 DataFrame 数据结构的使用 五.其他可以参考的网站 一. ...
- 数据分析之pandas学习笔记(六)(层次化索引、重塑、轴向旋转、行列变换、合并表数据)
数据分析之Pandas学习笔记(六)(层次化索引.重塑.轴向旋转.行列变换.合并表数据) level层次化索引 unstack()与stack()进行重塑,即:行列索引变换 swaplevel()交换 ...
- pandas 排序_懂Excel就能轻松入门Python数据分析包pandas(六):排序
转发本文并私信我"python",即可获得Python资料以及各种心得(持续更新的) 经常听别人说 Python 在数据领域有多厉害,结果学了很长时间,连数据处理都麻烦得要死.后来 ...
最新文章
- 人工智能不再是未来,机器学习靠什么来实现?
- java求最大值_java-求一组整数中的最大值
- wireshark 如何修改抓包时间日期显示格式?
- Python基础(4):类
- 此情应是长相守 你若无心我便休
- 机器学习实战 | 数据探索(缺失值处理)
- jsp下拉列表java_java – JSP:下拉列表2取决于下拉列表1
- 最近和很多创业者和中小企业老板沟通
- 删除win10linux系统,在装了win10和Ubuntu双系统的电脑里删除win10
- vmware中修改虚拟机MAC地址的方法!
- CAD中如何使用Lisp程序编写坐标标注功能
- 实战小例子 | Python实现用手势控制电脑音量
- xp系统打印机服务器报错,XP系统打印机显示Spoolsv.exe应用程序错误如何办?
- 新的一年,知足,上进,不负野心!
- English--基础知识点--8--半助动词
- scanf(3c,c);
- 2016年中国安防系统集成商发展状况如何?
- 【reverse】2021 极客大挑战(部分)
- 敏捷街上的噩梦2:受控敏捷
- Revit API:预制零件 Fabrication Part
热门文章
- c语言判断一个月有多少天程序,【0320】C语言编写的小程序,算算自己已经活了多少天...
- linux c++开发环境_使用 VM VirtualBox 搭建完善的Linux开发环境
- 网站突然不收录?如何做到自审、自查、自纠?
- 网络营销越来越“内卷”,SEO优化时需注意什么细节?
- service层加需要加锁吗_Redis分布式锁,你真的用对了吗?
- 六年级下册计算机电子板报教案,小学信息技术闽教版四年级下册第6课 制作电子板报教案设计...
- eclipse新建一个java_Eclipse中新建一个java源文件的步骤
- 开发日记-20190715 关键词 读书笔记 《Perl语言入门》Day 9
- Macbook 无法找到Centos启动盘问题解决
- local_response_normalization 和 batch_normalization