pandas学习笔记

女爷i 2022-05-12 04:38 135阅读 0赞

#### 1.Series 系列 ####

series可以理解为一个一维的数据结构  
常用的方法如下：

import pandas as pd
    s = pd.Series(list('AbCdE'))
    print(s)
    print(s.str.lower())   # 全部转成小写
    print(s.str.upper())   # 全部转成大写
    print(s.str.len())    #打印list长度
    print(s.str.split(" "))   # 切割
    print(s.str.replace('A','F'))    #将A替换为F

也可以使用正则匹配

s = pd.Series(['a1','b2','c3','d5'])
    print(s.str.extract('(\d)'))

打印结果如下  
![70][]  
其中，左边一列是下标，右边一列是匹配到的数值  
或者如果要自己写列名，可以写成这样

s = pd.Series(['a1','b2','c3','d5'])
    print(s.str.extract('(?P<num>\d)'))

打印如下  
![70 1][]

当然，也可以使用正则对list做一些检测

s = pd.Series(['a','B','ca','Da'])
    rule = r'[a-z]'
    print(s.str.contains(rule))

打印结果如下：  
![70 2][]

#### 2.DataFrame 数据帧 ####

首先声明一个6行4列的随机数列表

import pandas as pd
    import numpy as np
    dates = pd.date_range('20180901',periods = 6)
    print(dates)
    df = pd.DataFrame(np.random.rand(6,4),index=dates,columns=list('ABCD'))
    print(df)

打印结果如下  
![70 3][]

我们可以对这个表格进行切片操作，例如

print(df.loc['20180901':'20180903',['A','B']])  # 只会打印前三行和A、B两列

打印结果如下  
![70 4][]  
还有很多切片数据的操作，例如

print(df.at[dates[0],'A'])   #打印第一行，A这一列的值
    print(df.head(2))   #打印前两行
    print(df.tail(3))   #打印后三行
    print(df.index)    #打印行名
    print(df.columns)    #打印列名
    print(df.values)    #打印所有数值

另外还有一个比较特殊的用法，就是将行和列进行翻转

print(df.T)

![70 5][]

#### 3.excel读取 ####

注：在使用excel前，需要xlrd库  
我事先在本地保存了一份excel文件，格式如下：  
![70 6][]  
我要做的是读取其中的数据，并将id和age保存为一张散点图

import pandas as pd
    excel = pd.read_excel('local/test.xlsx')
    print(excel)
    pl = excel.plot(kind='scatter',x='id',y='age').get_figure()
    pl.savefig('local/1.png')

打印结果如下  
![70 7][]

[70]: /images/20220512/9f68cd80f635489d863d62c3d87747ca.png
[70 1]: /images/20220512/b7b2eee5afe94535b5e0022c11035504.png
[70 2]: /images/20220512/6cca99da9ea54de7b844a640959b7f74.png
[70 3]: /images/20220512/9ed461c26ac4431e83dc0cd34eadc296.png
[70 4]: /images/20220512/3834b076487046afb5991926fa06ff7c.png
[70 5]: /images/20220512/40a4b7a566864369a78f3db2baea71c2.png
[70 6]: /images/20220512/b289e9e47d2f4612bdbe5de99b630bb3.png
[70 7]: /images/20220512/864966ed2fb545ccbe22775f322a2ec1.png