pandas中series一维数组的创建、索引的更改+索引切片和布尔索引+dataframe二维数组的创建、基本属性、索引方法（传统方法和lociloc）、nan操作、排序+案例
2024-04-14 13:17:04
目录
一、为什么要学习pandas？
二、pandas的常用数据类型
1、series——一维的且带标签的数组
（1）创建一维数组
（2）通过列表形式创建的series带标签数组可以改变索引，传入索引参数即可
（3）取值操作——切片和索引以及布尔索引
（4）基本属性
2、DataFrame——二维数组
（1）二维数组的创建
（2）dataframe的基本属性
（3）取值方法一（类似于）——对行操作用数字，对列操作用索引标签
（4）取值方法二——通过loc和iloc
（5）pandas里面的nan操作
（6）排序
三、案例——电影数据分析
一、为什么要学习pandas？
numpy处理数值型数据；pandas用来处理字符串和时间序列等
二、pandas的常用数据类型
1、series——一维的且带标签的数组
（1）创建一维数组
通过列表来创建——pd.Series(传入一个列表)
通过字典来创建——pd.Series(传入一个字典) 键就是其索引
import pandas as pdt = pd.Series([1, 2, 31, 12, 3, 4])
print(t)
'''
1 2
2 31
3 12
4 3
5 4
dtype: int64
'''
#前面第一列可以看做是标签，标签是可以更改的，指定索引
print(type(t))
#<class 'pandas.core.series.Series'>#通过字典来创建
temp_dict = {"name": "小星星", "age": 18, "tel": 10086}
t2 = pd.Series(temp_dict)
print(t2)
'''
name 小星星
age 18
tel 10086
dtype: object
'''print(t1.dtype)
#int64
print(t2.dtype)
#object,有字符串，所以是对象#索引
print(t2["age"])
#18print(t2["tel"])
#10086print(t2["name"])
#小星星print(t2[0])
print(t2[1])
print(t2[2])
'''
小星星
18
10086
'''
（2）通过列表形式创建的series带标签数组可以改变索引，传入索引参数即可
#指定索引
t1 = pd.Series([1, 23, 2, 2, 1], index=list("abcde"))
print(t1)
'''
a 1
b 23
c 2
d 2
e 1
dtype: int64
'''
（3）取值操作——切片和索引以及布尔索引
取不连续的值时，需要再带一个列表括号
temp_dict = {"name": "小星星", "age": 18, "tel": 10086}
t2 = pd.Series(temp_dict)
print(t2)
'''
name 小星星
age 18
tel 10086
dtype: object
'''#索引
print(t2["age"])
#18print(t2["tel"])
#10086print(t2["name"])
#小星星print(t2[0])
print(t2[1])
print(t2[2])
'''
小星星
18
10086
'''#取连续的值
print(t2[:3])
'''
name 小星星
age 18
tel 10086
dtype: object
'''#取不连续的值
print(t2[[0, 2]])
'''
name 小星星
tel 10086
dtype: object
'''print(t2[["age", "tel"]])
#取不连续的值的时候要再带一个列表括号
'''
age 18
tel 10086
dtype: object
'''print(t2.index)
#Index(['name', 'age', 'tel'], dtype='object')for i in t2.index: #可以迭代的！print(i)
'''
name
age
tel
'''#布尔索引
t1 = pd.Series([1, 23, 2, 2, 1], index=list("abcde"))
print(t1)
print(t1[t1 > 10])
'''
b 23
dtype: int64
'''（4）基本属性
temp_dict = {"name": "小星星", "age": 18, "tel": 10086}
t2 = pd.Series(temp_dict)
print(t2)
'''
name 小星星
age 18
tel 10086
dtype: object
'''print(type(t2.index))
#<class 'pandas.core.indexes.base.Index'>
print(len(t2.index))
#3
print(list(t2.index))
#['name', 'age', 'tel']
print(list(t2.index)[:2])
#['name', 'age']print(t2.values)
#['小星星' 18 10086]print(type(t2.values))
#<class 'numpy.ndarray'>
#获取数组中的数值信息
2、DataFrame——二维数组
（1）二维数组的创建
二维数组有两个索引，行索引和列索引，可以改变指定索引，传入index 和columns的参数即可
*直接将np里面生成的二维数组进行dataframe操作
*通过多条字典信息和列表信息进行dataframe操作
import pandas as pd
import numpy as npt = pd.DataFrame(np.arange(12).reshape((3, 4)))print(t)
'''0 1 2 3
0 0 1 2 3
1 4 5 6 7
2 8 9 10 11比起之前来说，多了一个行索引 axis=0，多了一个列索引 axis=1
'''t1 = pd.DataFrame(np.arange(12).reshape((3, 4)), index=list("abc"), columns=list("WXYZ"))
print(t1)
'''W X Y Z
a 0 1 2 3
b 4 5 6 7
c 8 9 10 11
'''d1 = {"name": ["大熊", "静香"], "age": [7, 8], "tel": [10086, 10010]}
d = pd.DataFrame(d1)
print(d)
'''name age tel
0 大熊 7 10086
1 静香 8 10010每一行是一个数据
'''print(type(d))
#<class 'pandas.core.frame.DataFrame'>d2 = [{"name": "大熊", "age": 7, "tel": 10086}, {"name": "静香", "age": 8, "tel": 10010}, {"name": "哆啦A梦", "age": 100}]
t = pd.DataFrame(d2)
print(t)
'''name age tel
0 大熊 7 10086.0
1 静香 8 10010.0
2 哆啦A梦 100 NaN
'''（2）dataframe的基本属性
index、columns、dytpes、head（）、info（）、describe（）
#DataFrame的基本属性
print(t.index)
#RangeIndex(start=0, stop=3, step=1)一共有3个索引print(t.columns)
#Index(['name', 'age', 'tel'], dtype='object') 纵向索引有3个print(t.dtypes)
'''
name object
age int64
tel float64
dtype: object
'''print(t.head()) #默认查看前五行
'''name age tel
0 大熊 7 10086.0
1 静香 8 10010.0
2 哆啦A梦 100 NaN
数据只有3行也没办法
'''print("#"*100)
print(t.info())
'''
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 3 entries, 0 to 2
Data columns (total 3 columns):# Column Non-Null Count Dtype
--- ------ -------------- ----- 0 name 3 non-null object 1 age 3 non-null int64 2 tel 2 non-null float64
dtypes: float64(1), int64(1), object(1)
memory usage: 200.0+ bytes
None
'''print(t.describe())
'''age tel
count 3.000000 2.000000
mean 38.333333 10048.000000
std 53.407240 53.740115
min 7.000000 10010.000000
25% 7.500000 10029.000000
50% 8.000000 10048.000000
75% 54.000000 10067.000000
max 100.000000 10086.000000它会给出关于数值型数据的均值、方差等内容
'''
（3）取值方法一（类似于）——对行操作用数字，对列操作用索引标签
特别记忆一下：
dn[:20]["Row_Labels"] #只获取Row_Labels这一列的前20行
dn[(80 < dn["Count_AnimalName"]) & (dn["Count_AnimalName"] < 100)]
dn[(dn["Row_Labels"].str.len() > 4) & (dn["Count_AnimalName"] > 80)]
补充：pandas里面str的其他方法如下
import pandas as pd
import numpy as np#pandas读取csv中的文件
dn = pd.read_csv(r".\dogNames2.csv")
#print(dn)
'''Row_Labels Count_AnimalName
0 RENNY 1
1 DEEDEE 2
2 GLADIATOR 1
3 NESTLE 1
4 NYKE 1
... ... ...
4159 ALEXXEE 1
4160 HOLLYWOOD 1
4161 JANGO 2
4162 SUSHI MAE 1
4163 GHOST 3[4164 rows x 2 columns]print(dn[:20]) #取前20行
'''Row_Labels Count_AnimalName
858 BELLA 112
4134 MAX 82
3273 LUCY 82
843 BUDDY 79
433 SADIE 77Row_Labels Count_AnimalName
0 RENNY 1
1 DEEDEE 2
2 GLADIATOR 1
3 NESTLE 1
4 NYKE 1
5 BABY GIRL 3
6 EVVIE 1
7 AMADEUS 1
8 FINLEY 4
9 C.C. 1
10 ALLY MAY 1
11 ADELE 1
12 PRINCESS PEA 1
13 OSLO 1
14 ROMEO GRAY 1
15 APPA 1
16 BANDIDO 1
17 BESSIE 1
18 SUSIE Q II 1
19 NAMASTE 1'''print(dn["Row_Labels"])
'''
0 RENNY
1 DEEDEE
2 GLADIATOR
3 NESTLE
4 NYKE...
4159 ALEXXEE
4160 HOLLYWOOD
4161 JANGO
4162 SUSHI MAE
4163 GHOST
Name: Row_Labels, Length: 4164, dtype: object
'''print(dn[:20]["Row_Labels"])
#只获取Row_Labels这一列的前20行
'''
1 DEEDEE
2 GLADIATOR
3 NESTLE
4 NYKE
5 BABY GIRL
6 EVVIE
7 AMADEUS
8 FINLEY
9 C.C.
10 ALLY MAY
11 ADELE
12 PRINCESS PEA
13 OSLO
14 ROMEO GRAY
15 APPA
16 BANDIDO
17 BESSIE
18 SUSIE Q II
19 NAMASTE
Name: Row_Labels, dtype: object
'''
print("*" * 1000)
#布尔索引
print(dn[80 < dn["Count_AnimalName"]])
'''Row_Labels Count_AnimalName
858 BELLA 112
3273 LUCY 82
4134 MAX 82
'''print(dn[(80 < dn["Count_AnimalName"]) & (dn["Count_AnimalName"] < 100)])
'''Row_Labels Count_AnimalName
3273 LUCY 82
4134 MAX 82
'''
#且用&，或用|print(dn[(dn["Row_Labels"].str.len() > 4) & (dn["Count_AnimalName"] > 80)])
#取名字字符串大于四，且出现次数超过80次的名字
'''
Row_Labels Count_AnimalName
858 BELLA 112
'''（4）取值方法二——通过loc和iloc
loc里面输入索引字段
import pandas as pd
import numpy as npt1 = pd.DataFrame(np.arange(12).reshape(3, 4), index=list("ABC"), columns=list("WXYZ"))
print(t1)
'''W X Y Z
A 0 1 2 3
B 4 5 6 7
C 8 9 10 11
'''''print(t1.loc["A", "W"])
print(t1.loc["A"])
'''
W 0
X 1
Y 2
Z 3
Name: A, dtype: int32
'''print(t1.loc["A":"C", ["W", "Z"]])
'''W Z
A 0 3
B 4 7
C 8 11
'''iloc输入数字
import pandas as pd
import numpy as npt1 = pd.DataFrame(np.arange(12).reshape(3, 4), index=list("ABC"), columns=list("WXYZ"))
print(t1)
'''W X Y Z
A 0 1 2 3
B 4 5 6 7
C 8 9 10 11
'''print(t1.iloc[:, [2, 1]])
'''Y X
A 2 1
B 6 5
C 10 9
'''
print(t1.iloc[1, :])
'''
W 4
X 5
Y 6
Z 7
取第一行的所有列
'''print(t1.iloc[[0, 2], [2, 1]])
'''Y X
A 2 1
C 10 9
'''t1.iloc[1:, :2] = 30
print(t1)
'''W X Y Z
A 0 1 2 3
B 30 30 6 7
C 30 30 10 11
'''
（5）pandas里面的nan操作
import pandas as pd
import numpy as npt1 = pd.DataFrame(np.arange(12).reshape(3, 4), index=list("ABC"), columns=list("WXYZ"))
print(t1)
'''W X Y Z
A 0 1 2 3
B 4 5 6 7
C 8 9 10 11
'''''t1.iloc[1:, :2] = np.nan
print(t1)
'''W X Y Z
A 0.0 1.0 2 3
B NaN NaN 6 7
C NaN NaN 10 11
'''
#DataFrame自动将数据类型转换为浮点型print(pd.isnull(t1))
'''W X Y Z
A False False False False
B True True False False
C True True False False
'''print(pd.notnull(t1["W"]))
#找到W这一列里面不为null的那一行
'''
A True
B False
C False
Name: W, dtype: bool
'''a = t1.dropna(axis=0)
#删除了有nan的那些行
print(a)
'''W X Y Z
A 0.0 1.0 2 3
'''t2 = t1.dropna(axis=0, how="all")
#默认的how是any 只要出现nan就删除
#我们将how修改为all，只有全部都是nan的才删除
print(t2)
'''W X Y Z
A 0.0 1.0 2 3
B NaN NaN 6 7
C NaN NaN 10 11
'''#t1.dropna(axis=0, how="any", inplace=True)
#t1原地修改,省掉了频繁赋值的操作
#print(t1)
'''W X Y Z
A 0.0 1.0 2 3
'''#在pandas里面填充nan值
t2 = t1.fillna(t1.mean())
#将nan填充为t1数组的均值
print(t2)
'''W X Y Z
A 0.0 1.0 2 3
B 0.0 1.0 6 7
C 0.0 1.0 10 11
'''（6）排序
排序本身是升序方式，我们可以改变其源码,将升序改变为降序
import pandas as pd
import numpy as np#pandas读取csv中的文件
dn = pd.read_csv(r".\dogNames2.csv")
#print(dn)
'''Row_Labels Count_AnimalName
0 RENNY 1
1 DEEDEE 2
2 GLADIATOR 1
3 NESTLE 1
4 NYKE 1
... ... ...
4159 ALEXXEE 1
4160 HOLLYWOOD 1
4161 JANGO 2
4162 SUSHI MAE 1
4163 GHOST 3[4164 rows x 2 columns]
'''
#a = dn.sort_values(by="Count_AnimalName")
#按照Count_AnimalName进行排列
#print(a)
'''Row_Labels Count_AnimalName
0 RENNY 1
1975 SUSSI 1
1976 PRANCER 1
1977 LITA 1
3382 ALMOND ROCA 1
... ... ...
433 SADIE 77
843 BUDDY 79
3273 LUCY 82
4134 MAX 82
858 BELLA 112
'''#排序本身是升序方式，我们可以改变其源码,将升序改变为降序
a = dn.sort_values(by="Count_AnimalName", ascending=False)
print(a)
'''Row_Labels Count_AnimalName
858 BELLA 112
4134 MAX 82
3273 LUCY 82
843 BUDDY 79
433 SADIE 77
... ... ...
1654 RUBY ROSE 1
1655 MOO MOO 1
1656 KYLIE 1
1657 JEEP 1
2082 ANIOT 1
'''#排序本身是升序方式，我们可以改变其源码,将升序改变为降序
a = dn.sort_values(by="Count_AnimalName", ascending=False)
print(a)
'''Row_Labels Count_AnimalName
858 BELLA 112
4134 MAX 82
3273 LUCY 82
843 BUDDY 79
433 SADIE 77
... ... ...
1654 RUBY ROSE 1
1655 MOO MOO 1
1656 KYLIE 1
1657 JEEP 1
2082 ANIOT 1
'''
三、案例——电影数据分析
绘制电影时长数据分析，连续型数据用直方图来分析
import pandas as pd
import numpy as np
from matplotlib import pyplot as pltfile_path = "datasets_IMDB-Movie-Data.csv"
df = pd.read_csv(file_path)print(df["Rating"].mean())
#6.723200000000003#导演人数
#print(len(set(df["Director"].tolist())))
#Pandas的tolist()函数用于将一个系列或数据帧中的列转换为列表
#644#方法二
print(len(df["Director"].unique()))
#unique()出现多次的导演名字只计数1次，该方法会将值自动返回为列表形式actors_list = df["Actors"].str.split(",").tolist()
print(actors_list)
#[['Chris Pratt', ' Vin Diesel', ' Bradley Cooper', ' Zoe Saldana']]
#结果是二维数组，我们将二维数组转换成一维数组的形式actors_list = [i for j in actors_list for i in j]
#将二维数据转换为一维数据
print(actors_list)
actors_num = len(set(actors_list))
#['Chris Pratt', ' Vin Diesel', ' Bradley Cooper', ' Zoe Saldana', 'Noomi Rapace']
print(actors_num)
#2394
'''#绘制Runtime连续数据的直方图
#print(df["Runtime (Minutes)"])
runtime_data = df["Runtime (Minutes)"].values
#print(runtime_data)
a = runtime_data.max()
b = runtime_data.min()plt.figure(figsize=(20, 8), dpi=80)num_bins = (a - b) // 5plt.hist(runtime_data, num_bins)
plt.xticks(range(b, a+5, 5))plt.show()
#根据图像可以分析出来，大部分电影的时长集中在90-120分钟pandas中series一维数组的创建、索引的更改+索引切片和布尔索引+dataframe二维数组的创建、基本属性、索引方法（传统方法和lociloc）、nan操作、排序+案例相关推荐
- 将一个数组a的行和列的元素互换，存到另一个二维数组b中
将一个数组a的行和列的元素互换,存到另一个二维数组b中 #include<stdio.h> int main() { int a[2][3]={{1,2,3},{4,5,6}}; int ...
- 第2章【思考与练习1】一维数组访问，在subjects数组中选择并显示序号1、2、4门课的名称。二维数组访问，选择并显示scores数组的1、4行。生成由整数10~19组成的2×5的二维数组
P25思考与练习1 1.一维数组访问. 1)在subjects数组中选择并显示序号1.2.4门课的名称,使用倒序索引选择并显示names数组中"方绮雯". 2)选择并显示names ...
- Java_数组（声明、创建、初始化、复制、增强型for循环、二维数组、排序、Arrays类）
Java_数组 数组的基本概念 声明数组 创建数组 初始化数组 方法一:分配空间与赋值分步进行 方法二:分配空间,同时赋值 增强型for循环 复制数组 二维数组 排序 Arrays类 copyOfRa ...
- 二维数组的空间复杂度_剑指 offer 面试题精选图解 04 . 二维数组中的查找
点击关注上方"图解面试算法", 设为"置顶或星标",一起刷 LeetCode. 作者:程序员吴师兄 今天分享的题目来源于 LeetCode 上的剑指 Offer ...
- Java利用二维数组判断节假日_《剑指offer》面试题3 二维数组中的查找 Java版
(二维数组,每行递增,每列递增.输入二维数组和一个整数,判断数组中是否含有此数.) 我的方法:拿到题目,根据题目条件我提取出这样一个特性:一个数的右边和下面的数都比它大.于是就可以写出一种递归的方法: ...
- c# 可变二维数组_C＃| 具有固定行大小和可变列大小的二维数组
c# 可变二维数组 Here, the task is to declare a two dimensional array – where number rows are given and col ...
- PHP将一个二维数组按照某个键的键值做出重组一个新的二维数组
如下一个二维数组,将一个二维数组按照apname的 键值来排序组合成一个新的二维数组 apname 键值不变,其中其他几个红色划线部分进行组合. 构建好之后展现效果如下 使用了两种方式进行构建 方法 ...
- java二维数组两个框代表什么_在java语言中，二维数组的两个中括号[][]分别表示（）和（）。...
[判断题]一元统计分析是研究一个随机变量统计规律的学科. [判断题]合伙创业的成功率一般低于独资创业的成功率. [单选题]镜检时呈"竹节状"排列的是 [判断题]酵母菌的菌落与放线菌 ...
- java中一维数组、二维数组的打乱
day5 1.数组介绍 数组:存储多种数据类型的多个数. int [ ] arr={80,76,65} 2.数组定义格式和静态初始化 静态初始化:在内存中,为数组容器开辟空间,并将元素存入空间 定义格 ...
最新文章
- 在WEBSTART中实现串口通信（WINDOWS版）
- 标记-整理(Mark-Compact)
- Angular 里 unknown 和 any 的区别
- ann人工神经网络_深度学习-人工神经网络（ANN）
- WebHelper类
- 【软考高项】信息系统项目管理师 论文写作技巧分享 （上）
- git 删除本地和远程分支_如何在本地和远程删除Git分支
- obj模型 vue_uni-app npm 包手机端运行报错（vue-3d-model）
- 每日算法系列【LeetCode 685】冗余连接 II
- PPT设置密码和加水印的方法
- 从此刻起 文／毛毛虫
- oracle会计工作总结,EBS 创建会计科目 小结
- V神发布ETH2.0信标链首个硬分叉提案HF1，引入更公平的节点惩罚机制
- 玩拍七不再怕，判断7的倍数有妙招
- linux桌面只运行浏览器,4个Linux桌面上的轻量级图像浏览器
- 嵌入式系统开发笔记2：Linux的主流发行版本
- Framebuffer子系统【转】
- python开发工程师岗位简介_python开发工程师是什么
- 工作簿(Workbook)基本操作应用示例(一)
- 激情个P—leo看赢在中国第三季 2