Pandas的基础看这一篇足以(有后续)

痛定思痛。 2021-07-24 12:02 282阅读 0赞

### 小弟的目录 ###

*  Pandas概述:
 *  Pandas的数据结构分析
 *   *  Series
     *   *  Series的介绍
         *  Series对象的创建
     *  DataFrame
     *   *  DataFrame的介绍:
         *  DataFrame对象的创建:
 *  Pandas的索引对象:
 *   *  索引对象的创建
     *  索引对象的分类
     *  索引对象的获取:
     *  索引对象的特点:
     *  索引对象的方法和属性
     *   *  方法:
         *  属性:
     *  索引对象的重命名(轴索引)
 *  索引的整数索引:
 *   *  程序:
     *  解析:
     *  整数索引的规则:
     *   *  非整数索引:
     *  整数标签基于位置的使用方法:

# Pandas概述: #

Pandas是一个基于Numpy的数据分析包，它是为了解决数据分析任务而创建的。Pandas中纳入了大量库和标准的数据模型，提供了高效地操作大型数据集所需的函数和方法，使用户能够快速便捷地处理数据。

**Pandas特点：**

*  一个快速高效的DataFrame对象，具有默认和自定义的索引  
    \*用于在数据结构和不同文件格式中读取和写入数据，比如文本文件  
    \*智能数据对齐和缺失数据的集成处理  
    \*基于标签切片和花式索引获取数据集的子集  
    \*可以删除或插入来自数据结构的列  
    \*按数据分组进行聚合和转换  
    \*高性能的数据合并和连接  
    \*时间序列功能

# Pandas的数据结构分析 #

Pandas中有两个主要的数据结构：`Series`和`DataFrame`。其中`Series`是一维的、`DataFrame`是二维的。

## Series ##

### Series的介绍 ###

Series是一个类似于一维数组的对象，它能够保存任何类型的数据，主要由一组数据和与之相关的索引两部分构成。  
Series

<table> 
 <thead> 
  <tr> 
   <th align="right">index</th> 
   <th align="right">element</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td align="right">0</td> 
   <td align="right">1</td> 
  </tr> 
  <tr> 
   <td align="right">1</td> 
   <td align="right">2</td> 
  </tr> 
  <tr> 
   <td align="right">2</td> 
   <td align="right">3</td> 
  </tr> 
  <tr> 
   <td align="right">3</td> 
   <td align="right">4</td> 
  </tr> 
  <tr> 
   <td align="right">4</td> 
   <td align="right">5</td> 
  </tr> 
 </tbody> 
</table>

**索引在左，数据在右**

### Series对象的创建 ###

Pandas的Series类对象可以使用以下构造方法创建：  
class pandas.Series(data=None, index=None, dtype=None, name=None, copy=False, fastpath=False)

**构造方法中常用参数含义如下：**

1.data：传入的数据，可以是ndarray、list等。  
2.index：索引，必须是唯一的，且与数据的长度相同。如果没有传入索引参数，默认会自动创建一个从0~N的整数索引。  
3.dtype：数据的类型  
4.copy：是否复制数据，默认为False

import pandas as pd
    ser_obj = pd.Series([1,2,3,4,5])
    ser_obj

可以在创建的时候，为数据指定索引：

import pandas as pd
    ser_obj = pd.Series([1,2,3,4,5],index=['a','b','c','d','e'])
    ser_obj

使用列表构建Series外，可以使用dict进行构建，具体如下：

year_data = { 2001:17.8, 2002:20.1, 2003:16.5}
    ser_obj2 = pd.Series(year_data)
    ser_obj2

为了方便的操作Series对象中的索引和数据，所以该对象提供两个属性index和values分别进行获取。

## DataFrame ##

### DataFrame的介绍: ###

DataFrame是一个类似于二维数组或表格的对象，它每列数据可以是不同的数据类型。由索引和数据组成，有行索引、还有列索引。  
默认索引也是自动创建，默认是从0-N的整数类型索引。

### DataFrame对象的创建: ###

Pandas的DataFrame类对象可以使用以下构造方法创建：  
pandas.DataFrame(data=None, index=None, columns=None, dtype=None, copy=None)  
**常用参数如下：**

*  `index`：行标签。如果没有传入索引参数，默认会自动创建一个从0-N的整数类型索引  
    \*`columns`：列标签，如果没有传入索引参数，默认会自动创建一个从0-N的整数类型索引

import numpy as np
    import pandas as pd
    demo_arr = np.array([['a','b','c'], ['d','e','f']])
    df_obj = pd.DataFrame(demo_arr)

如果在创建DataFrame类对象时，指定了索引，则DataFrame的列会按照指定的索引顺序进行排列：

df_obj =pandas.DataFrame(demo_arr,)columns=['No1','No2','No3']
    df_obj

为了便于获取每列数据，可以使用列索引方式，也可以通过访问属性方式来获取，返回一个结果是Series对象，该对象拥有与原DataFrame对象相同的行索引。

element = df_obj['No2']
    element

**注意：在获取DataFrame的一列数据时，推荐使用列索引方式**

要想为DataFrame增加一列数据，则可以通过给列索引或者列名称赋值的方式实现，类似于给字典增加键值对的操作。

df_obj['No4'] = ['g','h']
    df_obj

删除一列数据:

del df_obj['No3']
    
    print(df_obj)

# Pandas的索引对象: #

## 索引对象的创建 ##

*  pd.X(array-like)
    
        index = pd.Index(np.arange(3))

> ## 索引对象的分类 ##

<table> 
 <thead> 
  <tr> 
   <th align="center">分类</th> 
   <th align="center">介绍</th> 
   <th align="center">描述</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td align="center">Index</td> 
   <td align="center">最泛化的对象</td> 
   <td align="center">轴标签—&gt;数组</td> 
  </tr> 
  <tr> 
   <td align="center">Int64Index</td> 
   <td align="center">用于整数的特殊对象</td> 
   <td align="center"></td> 
  </tr> 
  <tr> 
   <td align="center">MultiIndex</td> 
   <td align="center">层次化索引对象(单个轴上的多层索引)</td> 
   <td align="center">可看作是元组的数组</td> 
  </tr> 
  <tr> 
   <td align="center">DatetimeIndex</td> 
   <td align="center">用于纳米级索引对象</td> 
   <td align="center"></td> 
  </tr> 
 </tbody> 
</table>

## 索引对象的获取: ##

<table> 
 <thead> 
  <tr> 
   <th align="center">分类</th> 
   <th align="center">获取方法</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td align="center">Series</td> 
   <td align="center">.index</td> 
  </tr> 
  <tr> 
   <td align="center">DataFrame</td> 
   <td align="center">① .index ② .columns</td> 
  </tr> 
 </tbody> 
</table>

## 索引对象的特点: ##

索引对象是不可修改的,这样能够保证Index对象在不同的数据结构之间安全的共享

obj = Series(data,index=index)
    print(obj.index is index)

结果为True

## 索引对象的方法和属性 ##

### 方法: ###

<table> 
 <thead> 
  <tr> 
   <th align="center">方法表达式</th> 
   <th align="center">描述</th> 
   <th align="center">特征</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td align="center">append()</td> 
   <td align="center">连接另一个索引对象</td> 
   <td align="center">数组</td> 
  </tr> 
  <tr> 
   <td align="center">diff/intersection/union()</td> 
   <td align="center">Index–&gt;差集/交集/并集</td> 
   <td align="center"></td> 
  </tr> 
  <tr> 
   <td align="center">isin()</td> 
   <td align="center">各值是否在参数集合中</td> 
   <td align="center">布尔数组</td> 
  </tr> 
  <tr> 
   <td align="center">delete/insert()</td> 
   <td align="center">删除/插入索引出的元素</td> 
   <td align="center"></td> 
  </tr> 
  <tr> 
   <td align="center">drop()</td> 
   <td align="center">删除传入的值</td> 
   <td align="center">会生成新的Index</td> 
  </tr> 
  <tr> 
   <td align="center">unique()</td> 
   <td align="center">计算唯一值数组</td> 
   <td align="center"></td> 
  </tr> 
 </tbody> 
</table>

### 属性: ###

<table> 
 <thead> 
  <tr> 
   <th align="center">属性</th> 
   <th align="center">返回值</th> 
   <th align="center">描述</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td align="center">is_monotonic</td> 
   <td align="center">True</td> 
   <td align="center">各元素均大于前一个元素</td> 
  </tr> 
  <tr> 
   <td align="center">is_unique</td> 
   <td align="center">True</td> 
   <td align="center">当前Index无重复值</td> 
  </tr> 
 </tbody> 
</table>

## 索引对象的重命名(轴索引) ##

有两种方式:

*  直接赋值
 *  obj.rename()
    
    <table> 
     <thead> 
      <tr> 
       <th align="center">方法</th> 
       <th align="center">操作</th> 
       <th align="center">特征</th> 
      </tr> 
     </thead> 
     <tbody> 
      <tr> 
       <td align="center">直接赋值</td> 
       <td align="center">obj.index/columbs = …</td> 
       <td align="center">就地修改</td> 
      </tr> 
      <tr> 
       <td align="center">obj.rename()</td> 
       <td align="center">index/columns = 函数/字典(传入部分轴)</td> 
       <td align="center"></td> 
      </tr> 
      <tr> 
       <td align="center">obj.rename()</td> 
       <td align="center">inplace=默认(保留原始数据)/True(就地修改)</td> 
       <td align="center"></td> 
      </tr> 
     </tbody> 
    </table>
    
        data.index = data.index.map(str.upper)
        data.rename(index={ old:new},columns = { old;new})
        data.rename(index=str.title,columns = str.upper)

# 索引的整数索引: #

## 程序: ##

客官们,先来看一个整数索引的示例:

import numpy as np
    import pandas as pd
    from pandas import Series
    ser = Series(np.arange(3))
    print(ser.index)

这个程序的输出结果是:

(start = 0,stop = 3,step = 1)

import numpy as np
    import pandas as pd
    from pandas import Series
    ser = Series(np.arange(3))
    print(ser[-1])

**这个程序会发生错误.**

## 解析: ##

第一个程序能够正确的运行,并返回.

索引器:自动递增的数字索引(RangeIndex)

而第二个程序无法正常运行时因为索引是基于`标签`或者`位置`的

这样我们得出了整数索引的规则.

## 整数索引的规则: ##

当含有索引器时:

*  根据整数进行数据选取
 *  总是面向标签的--------整数->标签名 包括ix切片
    
    ### 非整数索引: ###
    
    **示例:**
    
        import numpy as np
        import pandas as pd
        from pandas import Series
        ser2 = Series(np.arange(3),index = ['a','b','c'])
    
    使用任意类型的索引
    
    还是基于标签或者位置的.

## 整数标签基于位置的使用方法: ##

<table> 
 <thead> 
  <tr> 
   <th align="center">数据结构</th> 
   <th align="center">方法</th> 
   <th align="center">描述</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td align="center">Series</td> 
   <td align="center">series.iloc[i]/.iat[i]</td> 
   <td align="center">i为整数</td> 
  </tr> 
  <tr> 
   <td align="center">DataFrame</td> 
   <td align="center">DF.iloc[*]</td> 
   <td align="center">1️⃣ [ i ]第 i +1行 2️⃣ [ : j] 第 j + 1列</td> 
  </tr> 
 </tbody> 
</table>