Python高性能的数据结构和数据分析工具—pandas

pandas 是什么？有什么用？

pandas 是一个开放源码、BSD许可的库，为Python编程语言提供高性能、易于使用的数据结构和数据分析工具。

pandas 怎么用？

首先，咱们想要用一个第三方提供的库时，咱们须要导入咱们的项目中，这里咱们导入 pandas 和 numpy （numpy 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库）。

import numpy as np
import pandas as pd
复制代码

pandas 的主要数据结构分为 Series 和 DataFrame。
Series：它是单列数据，有点像数组，数据是一维的。
DataFrame：能够将它想象成一个关系型数据表格，数据是二维的。

建立 Series 对象：

s = pd.Series([1, 3, 5, np.nan, 6, 8])
s
复制代码

用 NumPy 数组建立 DataFrame 对象，并用数组的 datetime 做为索引：

dates = pd.date_range('20130101', periods=6)
df = pd.DataFrame(np.random.randn(6, 4), index=dates, columns=list('ABCD'))
df
复制代码

用 dict 对象建立 DataFrame 对象：

df2 = pd.DataFrame({'A': 1.,
                    'B': pd.Timestamp('20130102'),
                    'C': pd.Series(1, index=list(range(4)), dtype='float32'),
                    'D': np.array([3] * 4, dtype='int32'),
                    'E': pd.Categorical(["test", "train", "test", "train"]),
                    'F': 'foo'})
fd2
复制代码

显示数据

# 显示 df 的前 5 条数据
df.head()
# 显示 df 的后 3 条数据
df.tail(3)
# 显示 df 的索引
df.index
# 显示 df 全部列
df.columns
复制代码

获取部分数据

# 获取 A 列的数据
df['A']
# 获取下标为 0,1,2 的数据
df[0:3]
# 获取时间段的数据
df['20130102':'20130104']
复制代码

根据标签获取数据

df.loc[:, ['A', 'B']]
df.loc['20130102':'20130104', ['A', 'B']]
df.loc['20130102', ['A', 'B']]
复制代码

根据下标获取数据

df.iloc[3]
df.iloc[3:5, 0:2]
df.iloc[[1, 2, 4], [0, 2]]
复制代码

添加一列新数据 F

s1 = pd.Series([1, 2, 3, 4, 5, 6], index=pd.date_range('20130102', periods=6))
df['F'] = s1
复制代码

更复杂的一些操做，能够使用 apply 方法，传入一个 lambda 函数

df.apply(lambda x: x.max() - x.min())
复制代码

操做 CSV 文件

# 把 df 中的数据写入 foo.csv 文件中
df.to_csv('foo.csv')
# 读取 foo.csv 文件中的数据
pd.read_csv('foo.csv')
复制代码

操做 Excel 文件

# 把 df 中的数据写入 foo.xlsx 文件中
df.to_excel('foo.xlsx', sheet_name='Sheet1')
# 读取 foo.xlsx 文件中的数据
pd.read_excel('foo.xlsx', 'Sheet1', index_col=None, na_values=['NA'])
复制代码

在这篇文章中，咱们介绍了 pandas 处理数据的一些基本使用方法。有兴趣的同窗能够查看 pandas 官方教程，里面有关于 pandas库 的全部 API，点击查看官网更多API。咱们在后面实际操做中，在介绍一些经常使用的 API。

偷偷告诉你们一个功能强大的机器学习网页运行器，那就是 Google 的一个机器学习实验项目，不须要安装任何东西，使用很是简单。
地址：colab.research.google.com

PS:
清山绿水始于尘，博学多识贵于勤。
我有酒，你有故事吗？
微信公众号：「清尘闲聊」。
欢迎一块儿谈天说地，聊代码。