Python之Pandas模块入门讲解及案例

古城微笑少年丶 2021-09-07 06:15 467阅读 0赞

## Python之Pandas模块讲解及案例 ##

## 一、安装Pandas ##

pip install Pandas

## 二、简介 ##

Pandas是一个开源的，BSD许可的库，为Python (opens new window)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是NumFOCUS (opens new window)赞助的项目。这将有助于确保Pandas成为世界级开源项目的成功，并有可能捐赠 (opens new window)给该项目。

另外，获得 Pandas 的最佳方式是通过 conda(opens new window)：  
conda install Pandas  
但是此方法安装较慢，不太推荐，可以直接pip。

## 三、Series类 ##

## 1、Series对象的实现 ##

Series对象是相当于一个一维的数组  
**方法1**

import pandas as pd
    """ 导入pandas模块 """
    ser_0 = pd.Series(data=[0, 1, 2, 3, 4, 5])
    # data 参数表示：所取得的数值是多少
    print(ser_0)
    
    
    # output>
    0    0
    1    1
    2    2
    3    3
    4    4
    5    5
    dtype: int64
    # 第一列是索引（indexs）
    # 第二列是数值（values）

**方法2**

import pandas as pd
    ser_1 = pd.Series(data=[0, 1, 2, 3], index=['a', 'b', 'c', 'd'])
    # index 表示自定义索引
    print(ser_1)
    
    
    # output>
    a    0
    b    1
    c    2
    d    3
    dtype: int64

**方法3**

import pandas as pd
    config = { 
    	'one':1,
    	'two':2,
    	'three':3,
    	'four':4
    }
    # 字典
    ser_2 = pd.Series(config)
    print(ser_2)
    
    
    # output>
    one      1
    two      2
    three    3
    four     4
    dtype: int64

## 2、Head与Tail ##

head() 与 tail() 用于快速预览 Series 与 DataFrame，默认显示 5 条数据，也可以指定显示数据的数量。  
这里先以Series为例，DataFrame会在后续讲解。  
下面将用到numpy模块，关于numpy模块的讲解可以参见我的另一篇博文：  
python 之 numpy 模块详细讲解及其应用案例  
链接：  
[https://blog.csdn.net/m0\_54218263/article/details/114272263][https_blog.csdn.net_m0_54218263_article_details_114272263]

import pandas as pd
    import numpy as np
    index_list = list('abcdefghijklmnopqrst')
    data_list = np.arange(20)
    ser = pd.Series(data=data_list, index=index_list)
    print(ser.head())
    print(ser.head(3))
    print(ser.tail())
    print(ser.tail(3))
    
    
    # output>
    a    0
    b    1
    c    2
    d    3
    e    4
    dtype: int32
    
    a    0
    b    1
    c    2
    dtype: int32
    
    p    15
    q    16
    r    17
    s    18
    t    19
    dtype: int32
    
    r    17
    s    18
    t    19
    dtype: int32

## 3、属性与底层数据 ##

index属性  
values属性

import pandas as pd
    ser = pd.Series(data=[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10], index=['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'j', 'k', 'l'])
    print(ser.index)
    print(ser.values)
    
    
    # output>
    Index(['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'j', 'k', 'l'], dtype='object')
    [ 0  1  2  3  4  5  6  7  8  9 10]

## 4、Series对象的切片操作 ##

实际上，Series对象的切片与数组的切片差别并不大。

import pandas as pd
    ser = pd.Series([1, 2, 3, 4, 5, 6, 7, 8, 9, 0, 11])
    print(ser[0])
    print(ser[1:7])
    print(ser[0:8:2])
    print(ser[:])
    print(ser[-5:-2])
    
    
    # output>
    1
    
    1    2
    2    3
    3    4
    4    5
    5    6
    6    7
    dtype: int64
    
    0    1
    2    3
    4    5
    6    7
    dtype: int64
    
    0      1
    1      2
    2      3
    3      4
    4      5
    5      6
    6      7
    7      8
    8      9
    9      0
    10    11
    dtype: int64
    
    6    7
    7    8
    8    9
    dtype: int64

## 5、Series对象的一些常用方法 ##

1、Series.index  
索引  
2、Series.values  
数值  
3、Series.drop(index)  
删除某一个数据  
4、Series.sum  
求所有元素的和  
等

## 四、DataFrame类 ##

## 1、DataFrame对象的实现 ##

**方法1**

import pandas as pd
    df = pd.DataFrame([[0, 1, 2, 3, 4], [5, 6, 7, 8, 9]])
    print(df)

![在这里插入图片描述][20210308094944713.png_pic_center]  
**方法2**

import pandas as pd
    df = pd.DataFrame(data=[[0, 1, 2, 3, 4], [5, 6, 7, 8, 9]], index=['a', 'b'])
    print(df)

![在这里插入图片描述][20210308095250694.png_pic_center]  
**方法3**

import pandas as pd
    config={ 
    	'a': [1, 2, 3, 4, 5],
    	'b': [4, 5, 6, 7, 8],
    	'c': [2, 4, 6, 8, 10]
    }
    df = pd.DataFrame(data=config,index=['one', 'two', 'three', 'four', 'five'])
    print(df)

![在这里插入图片描述][20210308095620710.png_pic_center]

## 2、DataFrame的取值以及切片 ##

**1、取值**  
Head、 Tail 方法

![在这里插入图片描述][20210308100103478.png_pic_center]

![在这里插入图片描述][20210308100207358.png_pic_center]

![在这里插入图片描述][2021030810022959.png_pic_center]  
某一个位置处的值：

import pandas as pd
    config = { 
    	'a': [0, 1, 2, 3, 4, 5, 6, 7],
    	'b': [8, 9, 10, 11, 12, 13, 14, 15],
    	'c': [3, 6, 9, 11, 13, 15, 17, 19],
    	'd': [2, 4, 6, 9, 12, 14, 16, 18,] 
    }
    df = pd.DataFrame(data=config, index=['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h'])
    print(df.a.a)
    print(df.a.b)
    print(df.c.f)
    # 实际上是相当于取出字典中的数据的类似方法，
    # 先去取一列，
    # 再从这一列中去取出来某一行的数据点。
    
    
    # output>
    0
    1
    15

**2、切片**  
1、行切片

![在这里插入图片描述][20210308101019528.png_pic_center]  
![在这里插入图片描述][20210308101139639.png_pic_center]  
2、列切片

import pandas as pd
    config = { 
    	'a': [0, 1, 2, 3, 4, 5, 6, 7],
    	'b': [8, 9, 10, 11, 12, 13, 14, 15],
    	'c': [3, 6, 9, 11, 13, 15, 17, 19],
    	'd': [2, 4, 6, 9, 12, 14, 16, 18,] 
    }
    df = pd.DataFrame(data=config, index=['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h'])
    print(df.a)
    print(df.b)
    print(df.c)
    
    
    # output>
    
    a    0
    b    1
    c    2
    d    3
    e    4
    f    5
    g    6
    h    7
    Name: a, dtype: int64
    
    a     8
    b     9
    c    10
    d    11
    e    12
    f    13
    g    14
    h    15
    Name: b, dtype: int64
    
    a     3
    b     6
    c     9
    d    11
    e    13
    f    15
    g    17
    h    19
    Name: c, dtype: int64

## 3、举一个例子，利用以上的类以及numpy来实现一个时间列表 ##

import pandas as pd
    import numpy as np
    dates = pd.date_range('20130101', periods=6)
    df = pd.DataFrame(np.random.randn(6, 4), index=dates, columns=list('ABCD'))
    print(df)
    print(df.dtypes)
    # 查看类型
    print(df.describe())
    # 查看对数据的统计结果
    
    
    # output>
     A         B         C         D
    2013-01-01 -1.177484  0.516432 -0.425316 -0.499715
    2013-01-02 -0.128610 -1.052472 -0.151716 -0.019494
    2013-01-03  0.257262 -0.857907  0.111126 -1.584577
    2013-01-04  0.383851 -0.952546 -0.867269 -0.760178
    2013-01-05  1.489054 -0.727922 -0.190620  0.230165
    2013-01-06 -0.210085  1.699750 -0.100482 -0.784437
    
    A    float64
    B    float64
    C    float64
    D    float64
    dtype: object
    
     A         B         C         D
    count  6.000000  6.000000  6.000000  6.000000
    mean   0.102332 -0.229111 -0.270713 -0.569706
    std    0.873513  1.106510  0.339157  0.641838
    min   -1.177484 -1.052472 -0.867269 -1.584577
    25%   -0.189716 -0.928886 -0.366642 -0.778372
    50%    0.064326 -0.792915 -0.171168 -0.629947
    75%    0.352204  0.205343 -0.113291 -0.139549
    max    1.489054  1.699750  0.111126  0.230165

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center]  
![在这里插入图片描述][20210308103349648.png_pic_center]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center 1]  
这里就是一个简单的介绍了，也就是一个入门简介，更深入的学习可以参考官方文档，链接如下：  
[https://www.pypandas.cn/docs/getting\_started/tutorials.html\#%E5%AE%98%E6%96%B9%E6%8C%87%E5%8D%97][https_www.pypandas.cn_docs_getting_started_tutorials.html_E5_AE_98_E6_96_B9_E6_8C_87_E5_8D_97]  
谢谢大家的阅读 ！！ ~~~

[https_blog.csdn.net_m0_54218263_article_details_114272263]: https://blog.csdn.net/m0_54218263/article/details/114272263
[20210308094944713.png_pic_center]: /images/20210813/759b8560bfc44bc1a7af89a401754edb.png
[20210308095250694.png_pic_center]: /images/20210813/379fae9b84b04019a133c07fc481a4b5.png
[20210308095620710.png_pic_center]: /images/20210813/39c1dbc69fb04d9d8caf4d6239a1e791.png
[20210308100103478.png_pic_center]: /images/20210813/77f112ef285d4f49b2e622d7bfe8b92a.png
[20210308100207358.png_pic_center]: /images/20210813/687ab18057a34e6b8ce3228aed44380a.png
[2021030810022959.png_pic_center]: /images/20210813/dc704da9c8514bb795db6cfb59441d77.png
[20210308101019528.png_pic_center]: /images/20210813/823378af52f044058efe478a4e9063b3.png
[20210308101139639.png_pic_center]: /images/20210813/c468210e91614d5684d086aa024b350e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center]: /images/20210813/74d6529296504495890a9aefc9d6e6c7.png
[20210308103349648.png_pic_center]: /images/20210813/29e55397e27245d996b559357fd2ed37.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center 1]: /images/20210813/c3b811ad219948f492acfe22f4be5c62.png
[https_www.pypandas.cn_docs_getting_started_tutorials.html_E5_AE_98_E6_96_B9_E6_8C_87_E5_8D_97]: https://www.pypandas.cn/docs/getting_started/tutorials.html#%E5%AE%98%E6%96%B9%E6%8C%87%E5%8D%97