python数据分析的钥匙——pandas库

Myth丶恋晨 2023-09-30 12:21 23阅读 0赞

##  ##

**目录**

系列文章目录

一. 关于pandas库：

二. pandas库的安装

三. pandas的两种基本数据结构——Series 与 DataFrame（附代码）

四. pandas库的应用（附代码）

五. 总结

--------------------

## 系列文章目录 ##

[第一章：python数据分析的钥匙——pandas库][python_pandas]

[第二章：python轻松实现数据可视化的法宝——matplotlib库][python_matplotlib]

--------------------

## 一. 关于pandas库： ##

pandas库是一个专门用来解决数据分析的库，主要有以下两大优势：

1）速度快：快速处理大型数据集；

2）效率高：提供大量高效处理数据的函数和方法；

--------------------

## **二. pandas库的安装** ##

1.打开命令行

按住快捷键：Win+R，即可打开“运行”窗口，在“运行”窗口中输入：cmd，回车，即可打开命令行。

![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAd2VpeGluXzUzOTE5MTky_size_11_color_FFFFFF_t_70_g_se_x_16][]

2.执行安装命令

在命令行中输入命令：python install pandas，回车。等待，即可安装完成Pandas库。

![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAd2VpeGluXzUzOTE5MTky_size_20_color_FFFFFF_t_70_g_se_x_16][]

--------------------

## **三. pandas的两种基本数据结构——Series 与 DataFrame（附代码）** ##

**3.1 Series主要用于存储一个序列这样一种数据：**

Series 主要由一组数据及其对应的索引组成：

![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAd2VpeGluXzUzOTE5MTky_size_18_color_FFFFFF_t_70_g_se_x_16][]

# 插入pandas库，以pd代称
    import pandas as pd
    
    #声明一个Series对象
    datas = pd.Series([1,0,2,1,2,3], index = ['white','white','blue','green','green','yellow'])
    
    #找出Series对象中所有不同元素
    unique_datas = datas.unique()
    #找出Series对象中所有不同元素并标记出现的次数
    counts_datas = datas.value_counts()
    
    #判断所属关系，返回布尔值
    isin_datas = datas.isin([0,3])
    #判断所属关系，返回真实值
    isin_datas1 = datas[datas.isin([0,3])]
    
    #Series对象可直接转化字典对象
    mydict = {'red':2000, 'blue':1000, 'yellow':500, 'orange':1000}
    myseries = pd.Series(mydict)
    
    #Series对象之间的运算(只对共有的对象运算，其他的对象的值均为NAN)
    mydict1 = {'red':400, 'black':1000, 'yellow':1000, 'green':1000}
    myseries1 = pd.Series(mydict1)
    add_series = myseries + myseries1

![8e51089ca70b4e338a43222becba1154.png][] datas![b91c80236c6d4ca9a6b00a3014cd4b60.png][] unique\_datas![e56943f36a194cc39a4b9ffee620a034.png][] counts\_datas![b2beb462e5494e04849b4ba41c49d30c.png][] isin\_datas![779d83f1b3614037a8321dfbc254dbb8.png][] isin\_datas1![ea9b3382ee9648028e5250a78943cee1.png][] myseries![837f7cd46b7e429ebc82ea361b8cad23.png][] add\_series

**3.2 DataFrame作为更复杂的数据结构，则用于存储多维数据：**

DataFrame对象是⼀种表格型的数据结构，包含⾏索引、列索引以及⼀组数据 ：

![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAd2VpeGluXzUzOTE5MTky_size_20_color_FFFFFF_t_70_g_se_x_16 1][]

# 插入pandas库，以pd代称
    import pandas as pd
    
    data = {'color': ['blue', 'green', 'yellow', 'red', 'white'], 
            'object': ['ball', 'prn', 'pencil', 'paper', 'mug'],
            'price': [1.2, 1.0, 0.6, 0.9, 1.7]}
    
    #声明一个DataFrame对象
    frame = pd.DataFrame(data)
    
    #选取指定列
    frame2 = pd.DataFrame(data, columns=['object','price'])
    
    #给与标签作为DataFrame的索引
    index_frame = pd.DataFrame(data, index=['one', 'two', 'three', 'four', 'five'])

![df9a6dd110d5495fbe3aa79cff57b7ac.png][] frame![3cd986df175b4dc99b6f42ad90496a6e.png][] frame2![4cf8804e946d4bc282da7bd7e6ded227.png][] index\_frame![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAd2VpeGluXzUzOTE5MTky_size_8_color_FFFFFF_t_70_g_se_x_16][] frame\_T

**3.3 Series 和 DataFrame 知识总结**

![watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAd2VpeGluXzUzOTE5MTky_size_20_color_FFFFFF_t_70_g_se_x_16 2][]

--------------------

## **四. pandas库的应用（附代码）** ##

**4.1 pandas数据读写：**

数据读写对数据分析非常重要，所以pandas库也有一组被称为I/O API的函数：

这些函数被分为完全对称的两大类：**读写函数和写入函数（以下以txt文件举例）**

# 插入pandas库，以pd代称
    import pandas as pd
    
    # 读取txt文件
    datas = pd.read_csv('text.txt', sep ='\D+', header = None, encoding = ' utf-8')
    '''
    'text.txt'是文件相对路径
     sep 是分隔符
     header 指表头（header = None表示无表头，读取文件时自动生成表头）
    '''
    
    # 生成txt文件
    datas.to_csv("result.xlsx")
    # 生成excel文件
    datas.to_excel("result.xlsx")

**4.2 pandas数据处理**

数据处理可以分为3个阶段：数据准备，数据转换，数据聚合

**4.2.1 数据准备**

**4.2.2 数据转换**

**4.2.3 数据聚合**

###  ###

--------------------

## 五. 总结 ##

以上就是今天要讲的内容，本文简单介绍了pandas库的知识及应用，而数据分析以可以以pandas库为基础进行更多方便有效的分析研究，本文还未完结，希望大家多多支持。

欢迎大家留言一起讨论问题~~~

[python_pandas]: https://blog.csdn.net/weixin_53919192/article/details/123897965?spm=1001.2014.3001.5501
[python_matplotlib]: https://blog.csdn.net/weixin_53919192/article/details/124049125
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAd2VpeGluXzUzOTE5MTky_size_11_color_FFFFFF_t_70_g_se_x_16]: https://img-blog.csdnimg.cn/ba37e1bd72c246d5b9aeeeafd44470a8.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAd2VpeGluXzUzOTE5MTky,size_11,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAd2VpeGluXzUzOTE5MTky_size_20_color_FFFFFF_t_70_g_se_x_16]: https://img-blog.csdnimg.cn/4cab4581bdf84daa9fed84bb06b95815.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAd2VpeGluXzUzOTE5MTky,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAd2VpeGluXzUzOTE5MTky_size_18_color_FFFFFF_t_70_g_se_x_16]: https://img-blog.csdnimg.cn/71051789f6934cd0ad7c31202eb4ed46.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAd2VpeGluXzUzOTE5MTky,size_18,color_FFFFFF,t_70,g_se,x_16
[8e51089ca70b4e338a43222becba1154.png]: https://img-blog.csdnimg.cn/8e51089ca70b4e338a43222becba1154.png
[b91c80236c6d4ca9a6b00a3014cd4b60.png]: https://img-blog.csdnimg.cn/b91c80236c6d4ca9a6b00a3014cd4b60.png
[e56943f36a194cc39a4b9ffee620a034.png]: https://img-blog.csdnimg.cn/e56943f36a194cc39a4b9ffee620a034.png
[b2beb462e5494e04849b4ba41c49d30c.png]: https://img-blog.csdnimg.cn/b2beb462e5494e04849b4ba41c49d30c.png
[779d83f1b3614037a8321dfbc254dbb8.png]: https://img-blog.csdnimg.cn/779d83f1b3614037a8321dfbc254dbb8.png
[ea9b3382ee9648028e5250a78943cee1.png]: https://img-blog.csdnimg.cn/ea9b3382ee9648028e5250a78943cee1.png
[837f7cd46b7e429ebc82ea361b8cad23.png]: https://img-blog.csdnimg.cn/837f7cd46b7e429ebc82ea361b8cad23.png
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAd2VpeGluXzUzOTE5MTky_size_20_color_FFFFFF_t_70_g_se_x_16 1]: https://img-blog.csdnimg.cn/c615111482604de785969b37d8338fe0.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAd2VpeGluXzUzOTE5MTky,size_20,color_FFFFFF,t_70,g_se,x_16
[df9a6dd110d5495fbe3aa79cff57b7ac.png]: https://img-blog.csdnimg.cn/df9a6dd110d5495fbe3aa79cff57b7ac.png
[3cd986df175b4dc99b6f42ad90496a6e.png]: https://img-blog.csdnimg.cn/3cd986df175b4dc99b6f42ad90496a6e.png
[4cf8804e946d4bc282da7bd7e6ded227.png]: https://img-blog.csdnimg.cn/4cf8804e946d4bc282da7bd7e6ded227.png
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAd2VpeGluXzUzOTE5MTky_size_8_color_FFFFFF_t_70_g_se_x_16]: https://img-blog.csdnimg.cn/730c25d7e0c24b16b3e834c883e1c29d.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAd2VpeGluXzUzOTE5MTky,size_8,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBAd2VpeGluXzUzOTE5MTky_size_20_color_FFFFFF_t_70_g_se_x_16 2]: https://img-blog.csdnimg.cn/b37fc7c0b8bf4b59b5fd2cc4e0e4edd0.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAd2VpeGluXzUzOTE5MTky,size_20,color_FFFFFF,t_70,g_se,x_16