数据分析之Pandas(一)
首先导入相关模块
1 import pandas as pd 2 from pandas import Series,DataFrame 3 import numpy as np
一、Series
Series是一种类似与一维数组的对象,由下面两个部分组成: values:一组数据(ndarray类型) index:相关的数据索引标签
1、Series的创建
两种创建方式: (1) 由列表或numpy数组创建 默认索引为0到N-1的整数型索引
#使用列表创建Series
1 Series(data=[1,2,3,4,5]) 2 3 0 1 4 1 2 5 2 3 6 3 4 7 4 5 8 dtype: int64
# 使用numpy创建Series
# 可以通过设置index参数指定索引1 Series(data=np.random.randint(1,40,size=(5,)),index=['a','d','f','g','t'],name='bobo') 2 3 a 3 4 d 22 5 f 35 6 g 19 7 t 21
# 由字典创建:不能在使用index.但是依然存在默认索引
1 dic = { 2 ‘name’':Tom, 3 'age':99 4 } 5 s = Series(data=dic)
2、Series的索引和切片
可以使用中括号取单个索引(此时返回的是元素类型),或者中括号里一个列表取多个索引(此时返回的是一个Series类型)。
(1) 显式索引:
- 使用index中的元素作为索引值
- 使用s.loc[](推荐):注意,loc中括号中放置的一定是显示索引
- 显示索引切片:index和loc
(2) 隐式索引:
- 使用整数作为索引值
- 使用.iloc[](推荐):iloc中的中括号中必须放置隐式索引s.iloc[0:2]
- 隐式索引切片:整数索引值和iloc
3、Series的基本概念
可以把Series看成一个定长的有序字典
可以通过shape,size,index,values等得到series的属性
1 s.index 2 3 s.values 4 5 可以使用s.head(),tail()分别查看前n个和后n个值 6 s.head(1)
对Series元素进行去重
1 s = Series(data=[1,1,2,2,3,3,4,4,4,4,4,5,6,7,55,55,44])2 s.unique() # array([ 1, 2, 3, 4, 5, 6, 7, 55, 44], dtype=int64)
两个Series进行相加:索引与之对应的元素会进行算数运算,不对应的就补空
1 s1 = Series([1,2,3,4,5],index=['a','b','c','d','e']) 2 s2 = Series([1,2,3,4,5],index=['a','b','f','c','e']) 3 s = s1+s2 4 s
a 2.0 b 4.0 c 7.0 d NaN e 10.0 f NaN
可以使用pd.isnull(),pd.notnull(),或s.isnull(),notnull()函数检测缺失数据
s.notnull() # 判断每行是否是空值 a True b True c True d False e True f False
s.isnull 与之恰好相反,空值为True
例如:取出所以不是空值的行
1 s[s.notnull()] 2 3 a 2.0 4 b 4.0 5 c 7.0 6 e 10.0
二、DataFrame
1、DataFrame是一个【表格型】的数据结构。DataFrame由按一定顺序排列的多列数据组成。设计初衷是将Series的使用场景从一维拓展到多维。DataFrame既有行索引,也有列索引。
- 行索引:index
- 列索引:columns
- 值:values
DataFrame属性:values、columns、index、shape
1 dic = { 2 '张三':[77,88,99,90], 3 '李四':[67,88,99,78] 4 } 5 df = DataFrame(data=dic,index=['语文','数学','英语','理综'])
字典的key作为列索引,index作为显示索引
2、DataFrame的索引
(1) 对列进行索引
- 通过类似字典的方式 df['q']
- 通过属性的方式 df.q
可以将DataFrame的列获取为一个Series。返回的Series拥有原DataFrame相同的索引,且name属性也已经设置好了,就是相应的列名。
例如:df['张三']
获取多个索引
#修改列索引
df.columns = ['zhangsan','lisi']
(2) 对行进行索引
- 使用.loc[]加index来进行行索引
- 使用.iloc[]加整数来进行行索引
同样返回一个Series,index为原来的columns。
(3) 对元素索引的方法
- 使用列索引
- 使用行索引(iloc[3,1] or loc['C','q']) 行索引在前,列索引在后 如:df.iloc[0,1]
总结:索引的方式1、对列进行索引使用df[],里面放置列索引2、对行进行索引使用.loc[]方显示索引index 或.iloc[]放隐式索引整数
3、切片
总结:1、使用中括号df[0:2] 是对行进行切片
2、使用loc、iloc是对列进行切片:df.loc['B':'C','丙':'丁']
转载于:https://www.cnblogs.com/liaopeng123/p/10491119.html
数据分析之Pandas(一)相关推荐
- pandas object转float_数据分析篇 | Pandas基础用法6【完结篇】
这是最后一篇,至此Pandas系列终于连载完了,有需要的也可以看看前面6篇,尽请收藏. 数据分析篇 | Pandas 概览 数据分析篇 | Pandas基础用法1数据分析篇 | Pandas基础用法2 ...
- 数据分析工具Pandas(7):数据清洗、合并、转化和重构
数据分析工具Pandas(1):Pandas的数据结构 数据分析工具Pandas(2):Pandas的索引操作 数据分析工具Pandas(3):Pandas的对齐运算 数据分析工具Pandas(4): ...
- 数据分析工具Pandas(6):Pandas统计计算和描述
数据分析工具Pandas(1):Pandas的数据结构 数据分析工具Pandas(2):Pandas的索引操作 数据分析工具Pandas(3):Pandas的对齐运算 数据分析工具Pandas(4): ...
- 数据分析工具Pandas(4):Pandas的函数应用
数据分析工具Pandas(1):Pandas的数据结构 数据分析工具Pandas(2):Pandas的索引操作 数据分析工具Pandas(3):Pandas的对齐运算 数据分析工具Pandas(4): ...
- 数据分析工具Pandas(3):Pandas的对齐运算
数据分析工具Pandas(1):Pandas的数据结构 数据分析工具Pandas(2):Pandas的索引操作 数据分析工具Pandas(3):Pandas的对齐运算 Pandas的对齐运算 是数据清 ...
- 数据分析工具Pandas(2):Pandas的索引操作
数据分析工具Pandas(1):Pandas的数据结构 数据分析工具Pandas(2):Pandas的索引操作 Pandas的索引操作 索引对象Index 1. Series和DataFrame中的索 ...
- pandas 排序 给excel_懂Excel轻松入门Python数据分析包pandas(二十五):循环序列分组...
此系列文章收录在公众号中:数据大宇宙 > 数据处理 >E-pd 转发本文并私信我"python",即可获得Python资料以及更多系列文章(持续更新的) 经常听别人说 ...
- 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 ...
- 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 ...
- 利用Python进行数据分析(7) pandas基础: Series和DataFrame的简单介绍 一、pandas 是什么 pandas 是基于 NumPy 的一个 Python 数据分析包,主
利用Python进行数据分析(7) pandas基础: Series和DataFrame的简单介绍 一.pandas 是什么 pandas 是基于 NumPy 的一个 Python 数据分析包,主要目 ...
最新文章
- [恢]hdu 2015
- Nginx 常见问题解决
- 解决6410 WINCE6 应用层调用SetSystemPowerState api关机无效的问题
- python写文件追加 按行追加_你真的会用python进行文件操作吗
- JVM老年代垃圾收集器Serial Old和Parallel Old
- IPD+CMMI企业产品开发系统性解决方案
- 比较好的JavaScript库-日常备用
- Oracle P6培训系列:04创建EPS结构
- 苹果双系统怎么切换_华为双系统,你会用吗?实在太神了!一键开启,一台手机当两台用...
- 2D Game Creation - 2D游戏开发基本流程
- Mac安装PyQt4
- xp连接win10工作组计算机,教你XP系统下连接win10共享的打印机的方法教程
- java初学乍练之用Calendar打印万年历
- java selenium回车键_JavaSelenium 模拟键盘方法封装
- python科学计算的例子_Python科学计算:NumPy
- 编程珠玑--粗略估算
- 视频盒子项目遇到的问题
- 生产环境使用 pt-table-checksum 检查MySQL数据一致性
- 安卓开发与ios开发!一个Android应届生从上海离职,复习指南
- 回车换行符 crlf 那点事
热门文章
- nginx+tomcat实现主备切换
- JavaScript 技术篇-textContent获取dom节点text文本内容带空格,js获取带空格的dom节点内容
- 基于单片机的简单的任务调度器
- poj 2115 C Looooops(扩展欧几里德算法)
- ACM-ICPC国际大学生程序设计竞赛北京赛区(2017)网络赛 A题 Visiting Peking University
- 用MFC显示一张图片
- Python将图片转成pdf(高清)论文党用~
- Ubuntu16.04添加设置启动项
- 10.4 实现关系下的匿名内部类
- c++对那些类型的数据不能使用引用_基于js数据类型浅谈deepClone