pandas 学习 第1篇：pandas基础

pandas是基于NumPy构建的模块，含有使数据分析更快更简单的操做工具和数据结构，包含序列Series和数据框DataFrame两种最主要数据结构，Index也是pandas中很是重要的数据结构。

一，数据结构

数据框（DataFrame）相似于二维的关系表，每列的数据类型是相同的，列与列的数据类型能够不一样，也能够相同。数据框的结构是行和列，列有列名，行有行索引，行索引还能够设置标签。

序列（Series）能够认为是二维表中的一列，所以，能够把数据框的一列转换为序列。在pandas中，序列是具备单一类型的一维数组，表示多行一列的数据结构，因为一列中的元素必须是相同的，所以，序列中的数据具备相同的数据类型。和数据框同样，序列具备行索引和行标签属性，每行都有一个索引和行标签。

import pandas as pd

除了Series和DataFrame以外，pandas还有一个很是重要的数据结构：Index，索引用来访问行，实现数据行的有序存储，并能对Series和DataFrame进行切片访问。

二，pandas的数据类型

在大多数状况下，pandas使用NumPy的数组和dtypes做为序列和数据框中列的数据类型，NumPy支持的数据类型是float、int、bool、timedelta64[ns]。pandas扩展了NumPy的类型系统，用dtype属性来显示元素的数据类型，pandas主要有如下几种dtype：

• 字符串类型：object
• 整数类型：Int64，Int32，Int8
• 浮点数类型：float64，float32
• datetime64[ns]、datetime64[ns, tz]、timedelta[ns]：表示日期和时间类型
• bool：表示布尔类型
• category：表示分类

查看变量的数据类型，使用type(var)函数

type(obj)

1，数值类型

pandas中的整数类型和浮点数类型能够为空（NULL），在定义数据组或序列时，使用dtype参数来定义整数类型：

arr = pd.array([1, 2, np.nan], dtype=pd.Int64Dtype())
pd.array([1, 2, np.nan], dtype="Int64")
pd.Series([1, 2, np.nan], dtype="Int32")

使用float3二、float64定义浮点数类型：

>>> pd.Series([1, 2, np.nan], dtype="float32")
0    1.0
1    2.0
2    NaN
dtype: float32

2，字符串类型

使用object来表示字符串类型

>>> pd.Series(['a', 'b', 'c'], dtype="object")
0    a
1    b
2    c
dtype: object

3，日期和时间类型类型

datetime64[ns] 表示的是日期和时间类型

>>> pd.Series(['2018-07-01', '2019-07-01', '2019-10-01'], dtype="datetime64[ns]")
0   2018-07-01
1   2019-07-01
2   2019-10-01
dtype: datetime64[ns]

4，类型转换

类型转换可使用astype()函数，转换为特定的额数据类型：

>>> pd.Series(['2018-07-01', '2019-07-01', '2019-10-01']).astype('datetime64[ns]')
0   2018-07-01
1   2019-07-01
2   2019-10-01
dtype: datetime64[ns]

pandas还有类型转换的特殊函数，用于转换为特定的数据类型：

• to_numeric() 
• to_datetime() 
• to_timedelta() 

好比，把序列转换为日期类型：

>>> pd.to_datetime(pd.Series(['2018-07-01', '2019-07-01', '2019-10-01']))
0   2018-07-01
1   2019-07-01
2   2019-10-01
dtype: datetime64[ns]

三，pandas的优点

• 轻松处理数值型数据中的缺失数据（表示为Nan）
• 能够从DataFrame和Series中插入和删除行数据和列数据，行和列都是能够变化的
• 自动数据对齐
• 能够对数据进行分组聚合操做
• 强大的IO工具，用于从平面文件(CSV或格式化文件)，Excel文件数据库加载数据
• 时间序列处理，可以生成日期范围、进行移动窗口统计、移动窗口线性回归、日期转换等操做

 

参考文档：

pandas overview