数据分析——Pandas的用法(Series,DataFrame)

会有一股神秘感。 提交于 2019-12-06 10:54:36

我们先要了解,pandas是基于Numpy构建的,pandas中很多的用法和numpy一致。pandas中又有series和DataFrame,Series是DataFrame的基础。

pandas的主要功能:

  • 具备对其功能的数据结构DataFrame,Series
  • 集成时间序列功能
  • 提供丰富的数学运算和操作
  • 灵活处理缺失数据,处理NaN数据(******)

一、Series

Series是一种类似于一维数组的对象,由一组数据和一组与之相关的数据标签(索引)组成

1.创建方法

第一种:
pd.Series([4,5,6,7])
#执行结果
0    4
1    5
2    6
3    7
dtype: int64
#将数组索引以及数组的值打印出来,索引在左,值在右,由于没有为数据指定索引,于是会自动创建一个0到N-1(N为数据的长度)的整数型索引,取值的时候可以通过索引取
第二种:
pd.Series([4,5,6,7,8],index=['a','b','c','d','e'])   #index索引是用[]
#执行结果
a    4
b    5
c    6
d    7
e    8
dtype: int64
# 自定义索引,index是指定的索引名,是一个索引列表,里面包含的是字符串,依然可以通过默认索引取值。
第三种:
pd.Series({"a":1,"b":2})  #传入字典格式数据
#执行结果:
a    1
b    2
dtype: int64
# 传入字典格式的数据,字典的key当成指定索引
第四种:
pd.Series(0,index=['a','b','c'])
#执行结果:
a    0
b    0
c    0
dtype: int64
# 创建一个值都是0的数组

对于Series,其实我们可以认为它是一个长度固定且有序的字典,因为它的索引和数据是按位置进行匹配的,像我们会使用字典的上下文,就肯定也会使用Series,也支持通过索引取值。

2.缺失数据(******)在处理数据的时候经常会遇到这类情况

  • dropna() # 过滤掉值为NaN的行
  • fillna() # 填充缺失数据
  • isnull() # 返回布尔数组,缺失值对应为True
  • notnull() # 返回布尔数组,缺失值对应为False
# 第一步,创建一个字典,通过Series方式创建一个Series对象
st = {"sean":18,"yang":19,"bella":20,"cloud":21}
obj = pd.Series(st)
obj
运行结果:
sean     18
yang     19
bella    20
cloud    21
dtype: int64
------------------------------------------
# 第二步
a = {'sean','yang','cloud','rocky'}  # 定义一个索引变量
------------------------------------------
#第三步
obj1 = pd.Series(st,index=a)
obj1  # 将第二步定义的a变量作为索引传入

# 运行结果:
rocky     NaN
cloud    21.0
sean     18.0
yang     19.0
dtype: float64
# 因为rocky没有出现在st的键中,所以返回的是缺失值

dropna()   #过滤掉值有NaN的行

obj1.dropna()
#执行结果
cloud    21.0
sean     18.0
yang     19.0
dtype: float64

fillna()     #填充缺失数据,这个填写1

obj1.fillna(1)
#执行结果
cloud    21.0
sean     18.0
yang     19.0
rocky     1.0
dtype: float64

isnull()    #缺失值返回True

obj1.isnull()
#执行结果
cloud    False
sean     False
yang     False
rocky     True
dtype: bool

notnull()   #不是缺失值返回True

obj1.notnull()
#执行结果
cloud     True
sean      True
yang      True
rocky    False
dtype: bool

利用布尔值索引过滤缺失值

obj1[obj1.notnull()]   #只有True的才显示
#执行结果
cloud    21.0
sean     18.0
yang     19.0
dtype: float64

3.Series特性

  • 从ndarray创建Series:Series(arr)
  • 与标量(数字):sr * 2
  • 两个Series运算
  • 通用函数:np.ads(sr)
  • 布尔值过滤:sr[sr>0]
  • 统计函数:mean()、sum()、cumsum()

因为pandas是基于numpy的,所以有numpy的很多特性

支持字典的特性:

  • 从字典创建Series:Series(dic),
  • In运算:'a'in sr、for x in sr
  • 键索引:sr['a'],sr[['a','b','d']]
  • 键切片:sr['a':'c']
  • 其他函数:get('a',default=0)等

4.整数索引

sr = pd.Series(np.arange(10))
sr1 = sr[3:]
sr1
运行结果:
3    3
4    4
5    5
6    6
7    7
8    8
9    9
dtype: int32
# 到这里会发现很正常,一点问题都没有,可是当使用整数索引取值的时候就会出现问题了。因为在pandas当中使用整数索引取值是优先以标签解释的(就是index的值),而不是下标。

比如我想取索引值为1的数值,不再是我们之前的那种方法

sr1[1]   #这种方式是取不出的,因为默认优先的是以标签解释的,这个没有1的标签

解决方法:

  • loc属性 # 以标签解释
  • iloc属性 # 以下标解释
sr1.iloc[1]  #以下标取值,(索引值为1的)
#执行结果  
4

sr1.loc[4]   #以标签取值(index值为1)
#执行结果
4

5.Series数据对齐

sr1 = pd.Series([12,23,34], index=['c','a','d'])
sr2 = pd.Series([11,20,10], index=['d','c','a',])
sr1 + sr2
运行结果:
a    33
c    32
d    45
dtype: int64
# 可以通过这种索引对齐直接将两个Series对象进行运算
sr3 = pd.Series([11,20,10,14], index=['d','c','a','b'])
sr1 + sr3
运行结果:
a    33.0
b     NaN
c    32.0
d    45.0
dtype: float64
# sr1 和 sr3的索引不一致,所以最终的运行会发现b索引对应的值无法运算,就返回了NaN,一个缺失值

将两个Series对象相加时将缺失值设为0

sr1 = pd.Series([12,23,34], index=['c','a','d'])
sr3 = pd.Series([11,20,10,14], index=['d','c','a','b'])
sr1.add(sr3,fill_value=0)
运行结果:
a    33.0
b    14.0
c    32.0
d    45.0
dtype: float64
# 将缺失值设为0,所以最后算出来b索引对应的结果为14

二.DataFrame

DataFrame是一个表格型的数据结构,相当于是一个二维数组,含有一组有序的列。他可以被看做是由Series组成的字典,并且共用一个索引

1.创建方式

创建一个DataFrame数组可以有多种方式,其中最为常用的方式就是利用包含等长度列表或Numpy数组的字典来形成DataFrame:

第一种:
pd.DataFrame({'one':[1,2,3,4],'two':[4,3,2,1]})
# 产生的DataFrame会自动为Series分配所索引,并且列会按照排序的顺序排列
运行结果:
    one two
0   1   4
1   2   3
2   3   2
3   4   1
#字典的key就是列索引,行索引和series一致
> 指定列
可以通过columns参数指定顺序排列
data = pd.DataFrame({'one':[1,2,3,4],'two':[4,3,2,1]})
pd.DataFrame(data,columns=['two','one'])
#执行结果
    two    one
0    4    1
1    3    2
2    2    3
3    1    4
#注意:columns一定要是key值中的,才能匹配的到,不然会报错
第二种:
pd.DataFrame({'one':pd.Series([1,2,3],index=['a','b','c']),'two':pd.Series([1,2,3],index=['b','a','c'])})
运行结果:
   one  two
a   1   2
b   2   1
c   3   3#字典的key是列索引,index是行索引

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

易学教程内所有资源均来自网络或用户发布的内容,如有违反法律规定的内容欢迎反馈
该文章没有解决你所遇到的问题?点击提问,说说你的问题,让更多的人一起探讨吧!