【转】Pandas学习笔记（一）基本介绍

时间 2019-11-06

标签 pandas 学习笔记基本介绍繁體版

原文原文链接

Pandas学习笔记系列：html

原文: https://morvanzhou.github.io/tutorials/data-manipulation/np-pd/3-1-pd-intro/python

Numpy 和 Pandas 有什么不一样

若是用 python 的列表和字典来做比较, 那么能够说 Numpy 是列表形式的，没有数值标签，而 Pandas 就是字典形式。Pandas是基于Numpy构建的，让Numpy为中心的应用变得更加简单。git

要使用pandas，首先须要了解他主要两个数据结构：Series和DataFrame。github

Series

import pandas as pd
import numpy as np
s = pd.Series([1,3,6,np.nan,44,1])

print(s)

>>>
0     1.0
1     3.0
2     6.0
3     NaN
4    44.0
5     1.0
dtype: float64

Series的字符串表现形式为：索引在左边，值在右边。因为咱们没有为数据指定索引。因而会自动建立一个0到N-1（N为长度）的整数型索引。数据结构

DataFrame

DataFrame是一个表格型的数据结构，它包含有一组有序的列，每列能够是不一样的值类型（数值，字符串，布尔值等）。DataFrame既有行索引也有列索引，它能够被看作由Series组成的大字典。dom

用下面的例子简单理解就是DataFrame由columns,index,values组成：学习

columns： ['a','b','c','d']
index：dates （日期）
values：np.random.randn(6,4)

dates = pd.date_range('20160101',periods=6)
df = pd.DataFrame(np.random.randn(6,4),index=dates,columns=['a','b','c','d'])

print(df)

>>>
                   a         b         c         d
2016-01-01 -0.253065 -2.071051 -0.640515  0.613663
2016-01-02 -1.147178  1.532470  0.989255 -0.499761
2016-01-03  1.221656 -2.390171  1.862914  0.778070
2016-01-04  1.473877 -0.046419  0.610046  0.204672
2016-01-05 -1.584752 -0.700592  1.487264 -1.778293
2016-01-06  0.633675 -1.414157 -0.277066 -0.442545

咱们能够根据每个不一样的索引来挑选数据, 好比挑选 b 的元素:spa

print(df['b'])

>>>
2016-01-01   -2.071051
2016-01-02    1.532470
2016-01-03   -2.390171
2016-01-04   -0.046419
2016-01-05   -0.700592
2016-01-06   -1.414157
Freq: D, Name: b, dtype: float64

DataFrame 的一些简单运用

不指定columns和index

咱们在建立一组没有给定行标签和列标签的数据 df1:code

df1 = pd.DataFrame(np.arange(12).reshape((3,4)))
print(df1)

>>>
   0  1   2   3
0  0  1   2   3
1  4  5   6   7
2  8  9  10  11

这样,他就会采起默认的从0开始 index.htm

指定columns

还有一种生成 df 的方法, 以下 df2:

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'})
                    
print(df2)

>>>
     A          B    C  D      E    F
0  1.0 2013-01-02  1.0  3   test  foo
1  1.0 2013-01-02  1.0  3  train  foo
2  1.0 2013-01-02  1.0  3   test  foo
3  1.0 2013-01-02  1.0  3  train  foo

这种方法能对每一列的数据进行特殊对待.

dtypes

若是想要查看数据中的类型, 咱们能够用 dtypes 这个属性:

print(df2.dtypes)

>>>
df2.dtypes
A           float64
B    datetime64[ns]
C           float32
D             int32
E          category
F            object
dtype: object

index

若是想看对列的序号:

print(df2.index)

>>>
Int64Index([0, 1, 2, 3], dtype='int64')

columns

一样, 每种数据的名称也能看到:

print(df2.columns)

# Index(['A', 'B', 'C', 'D', 'E', 'F'], dtype='object')

values

若是只想看全部df2的值:

print(df2.values)

>>>
array([[1.0, Timestamp('2013-01-02 00:00:00'), 1.0, 3, 'test', 'foo'],
       [1.0, Timestamp('2013-01-02 00:00:00'), 1.0, 3, 'train', 'foo'],
       [1.0, Timestamp('2013-01-02 00:00:00'), 1.0, 3, 'test', 'foo'],
       [1.0, Timestamp('2013-01-02 00:00:00'), 1.0, 3, 'train', 'foo']], dtype=object)

describe

想知道数据的总结, 能够用 describe():

df2.describe()

>>>
         A    C    D
count  4.0  4.0  4.0
mean   1.0  1.0  3.0
std    0.0  0.0  0.0
min    1.0  1.0  3.0
25%    1.0  1.0  3.0
50%    1.0  1.0  3.0
75%    1.0  1.0  3.0
max    1.0  1.0  3.0

transpose

若是想翻转数据, transpose:

print(df2.T)

>>>                  
0                    1                    2  \
A                    1                    1                    1   
B  2013-01-02 00:00:00  2013-01-02 00:00:00  2013-01-02 00:00:00   
C                    1                    1                    1   
D                    3                    3                    3   
E                 test                train                 test   
F                  foo                  foo                  foo   

                     3  
A                    1  
B  2013-01-02 00:00:00  
C                    1  
D                    3  
E                train  
F                  foo

sort

若是想对数据的 index 进行排序并输出:

print(df2.sort_index(axis=1, ascending=False))

>>>
     F      E  D    C          B    A
0  foo   test  3  1.0 2013-01-02  1.0
1  foo  train  3  1.0 2013-01-02  1.0
2  foo   test  3  1.0 2013-01-02  1.0
3  foo  train  3  1.0 2013-01-02  1.0

若是是对数据值 value 排序输出:

print(df2.sort_values(by='B'))

>>>
     A          B    C  D      E    F
0  1.0 2013-01-02  1.0  3   test  foo
1  1.0 2013-01-02  1.0  3  train  foo
2  1.0 2013-01-02  1.0  3   test  foo
3  1.0 2013-01-02  1.0  3  train  foo