文章目录

一、pandas
- 1.pandas简介
- - 1).pandas能做什么
  - 2).ipython简介
  - 3).python命令行与ipython命令行的区别
- 2.Pandas核心数据结构创建
- - 1）Series创建
  - 2）DataFrame创建
  - - 通过传递带有日期时间索引和带标签的列的numpy数组来创建二维数组
    - 通过传递字典对象来创建二维数组
- 3.查看数据
- - 1）head查看框架顶部 tail查看框架底部行
  - 2）显示行索引与列索引
  - 3）显示值---numpy数组
  - 4）显示数据整体情况---显示数据的快速统计摘要
  - 5）数据转置
  - 6)通过列标签来排序(默认升序)axis=1
  - 7)通过行标签来排序axis=0
  - 8)按值排序
  - 9）查看某一列的数据
- 4.选择数据
- - 1）选择一个单列，产生一个Series，等于df.A
  - 2）选择行
  - - 对行进行切片
    - 行标签
    - 比较
  - 3）通过标签在多轴(行列)上选择
  - 4）减少访问对象尺寸
  - 5）获得值
  - 6）快速访问值---插入原生数据结构
  - 7）通过位置来选择
  - - 选择某行
    - 选择某行与某列
    - 选择某几列所有的行
    - 访问特定元素
    - 快速访问特定元素
    - 时间对比
  - 8）布尔索引
  - - 使用isin过滤方法
  - 9）修改数据
  - - 修改某个元素
    - 直接修改一列或一行元素
  - 10）copy()

一、pandas

1.pandas简介

Pandas是Python里分析结构化数据的工具集
基础是 numpy：高性能矩阵运算
图形库 matplotlib：提供数据可视化

1).pandas能做什么

结构化数据分析
数据挖掘

2).ipython简介

3).python命令行与ipython命令行的区别

# 显示数据可读性强
import numpy as np
from numpy.random import randn
data = {i:randn(i) for i in range(6)}
data
Out[5]:
{0: array([], dtype=float64),1: array([-0.27834191]),2: array([-0.39810411,  1.51621473]),3: array([ 0.04883958, -0.22957738, -0.40316668]),4: array([-0.01699721, -1.09906238, -1.45676746, -0.90384311]),5: array([ 0.41730456, -0.91479429, -0.90714327,  1.37142739,  0.17569011])}# 按Tab键命令补全# shell命令# 显示当前目录
pwd
Out[6]: 'D:\\PycharmProjects\\MyTest'
# 切换目录
cd D:\\PycharmProjects
D:\PycharmProjects# 魔术命令
%run 命令
%timeit 命令
%quickref 命令 显示快速参考文档
%magic显示魔术命令列表和文档

2.Pandas核心数据结构创建

1）Series创建

Series是一维带标签的数组，数组里可以放任意的数据(整数，浮点数，字符串，Python Object)
Series数据结构表示一个行或一个列的数据有一个默认的整数索引
基本格式：s=pd.Series(data,index=index)

其中， index是一个列表，用来作为数据的标签。data可以是不同的数据类型：Python字典，ndarray对象，一个标量值。

2）DataFrame创建

DataFrame是二维带行标签和列标签的数组，可以是Excel表格、SQL数据库的表格、Series对象字典。它是Pandas中最常用的数据结构。

基本格式：df=pd.DataFrame(data,index=index,columns=columns)
其中，index是行标签，columns是列标签，data可以为：一维numpy数组、list和Series构成的字典，二维numpy数组，一个Series，DataFrame对象

通过传递带有日期时间索引和带标签的列的numpy数组来创建二维数组

通过传递字典对象来创建二维数组

结果的列DataFrame具有不同的 dtype

3.查看数据

1）head查看框架顶部 tail查看框架底部行

2）显示行索引与列索引

3）显示值—numpy数组

NumPy数组对整个数组具有一个dtype，而pandas DataFrames每列具有一个dtype；DataFrames有多个dtypes时，DataFrames.to_numpy相对昂贵。

4）显示数据整体情况—显示数据的快速统计摘要

5）数据转置

6)通过列标签来排序(默认升序)axis=1

7)通过行标签来排序axis=0

8)按值排序

9）查看某一列的数据

df.A

4.选择数据

1）选择一个单列，产生一个Series，等于df.A

2）选择行

对行进行切片

行标签

比较

效率比较高因为不用判断是位置还是标签

3）通过标签在多轴(行列)上选择

4）减少访问对象尺寸

5）获得值

6）快速访问值—插入原生数据结构

7）通过位置来选择

选择某行

选择某行与某列

选择某几列所有的行

访问特定元素

快速访问特定元素

时间对比

8）布尔索引

1.使用单列的值选择数据
2.从满足布尔条件的DataFrame中选择值

使用isin过滤方法

9）修改数据

修改某个元素

直接修改一列或一行元素

10）copy()

数据科学包2-pandas快速入门1相关推荐

Python+大数据-数据处理与分析-pandas快速入门
Python+大数据-数据处理与分析-pandas快速入门 1.Pandas快速入门 1.1DataFrame和Series介绍 1)DataFrame 用来处理结构化数据(SQL数据表,Excel表 ...
【机器学习-数据科学】第二节：ipython开发环境搭建以及pandas快速入门
ipython开发环境搭建以及pandas快速入门 0.开发环境搭建技巧网页版ipython:ipython notebook numpy 1.pandas 快速入门一导入创建对象 2. pa ...
python第二阶段（2）入门-数据科学包 pandas
数据科学包 pandas 导入pandas 创建对象 1 系列 2 日期序列(1) 3 日期序列(2) 4 Series的操作(1) 5 Series的操作(2) 合并,新增,连接和比较 1 连接 2 ...
数据科学系列：plotly可视化入门介绍
导读在入道数据岗位之初,曾系列写过多个数据科学工具包的入门教程,包括Numpy.Pandas.Matplotlib.Seaborn.Sklearn等,这些也构成了自己当初的核心工具栈.在这5个工具包 ...
机器学习---数据科学包-第2天
1 pandas快速入门(一) .Series()方法.Series类型由一组数据及与之相关的数据索引组成. import pandas as pd import numpy as np s = pd ...
3.机器学习—数据科学包3.2pandas基础
pandas基础一.pandas介绍 1.什么是pandas 2.pandas用途 3.课程内容二.Ipython开发环境搭建 1.安装 2.新建运行环境 3.Ipython技巧 4.Ipytho ...
数据科学包——Day2
数据科学包--Day2 利用Pandas, Numpy进行电影数据分析准备工作任务: 数据读取数据合并按性别查看各个电影的平均评分男女评分差异最大的电影活跃电影排行前十大活跃电影--被评 ...
python 数据科学包_什么时候应该使用哪个Python数据科学软件包？
python 数据科学包 Python is the most popular language for data science. Unfortunately, it can be tricky ...
机器学习-数据科学库：Pandas总结（1）
机器学习-数据科学库:Pandas总结(1) Pandas pandas的常用数据类型 pandas之Series创建 pandas之Series切片和索引 pandas之读取外部数据 pandas之 ...
python数据科学系列：pandas入门详细教程
导读前2篇分别系统性介绍了numpy和matplotlib的入门基本知识,今天本文自然是要对pandas进行入门详细介绍,通过本文你将系统性了解pandas为何会有数据分析界"瑞士军刀&q ...

数据科学包2-pandas快速入门1