Pandas库的介绍

Pandas库的引用

Pandas是python第三方库,提供高性能易用数据类型和分析工具

import pandas as pd

Pandas基于Numpy实现,常与Numpy和Matplotlib一同使用


Pandas库的理解

两个数据类型:Series,DataFrame

基于上述数据类型的各类操作(基本操作、运算操作、特征类操作、关联类操作)


Pandas库的Series类型



Series类型可以由如下类型创建:

1.python列表,index与列表元素个数一致

2.标量值,index表达Series类型的尺寸

3.python字典,键值对中的‘键’是索引,index从字典中进行选择操作

4.ndarray,索引和数据都可以通过ndarray类型创建

5.其他函数,range()函数等


Series类型的基本操作

Series类型包括index和value两部分

Series类型的操作类似ndarray类型

Series类型的操作类似python字典类型


Series类型的操作类似ndarray类型:

1.索引方法相同,采用[]

2.numpy中运算和操作可用于series类型

3.可以通过自定义索引的列表进行切片

4.可以通过自动索引进行切片,如果存在自定义索引,则一同被切片

Series类型的操作类似python字典类型:

1.通过自定义索引访问

2.保留字in操作

3.使用.get()方法

Series是一维带‘标签’数组

index_0   --->data_a

Series基本操作类似ndarray和字典,根据索引对齐


DataFrame类型可以由如下类型创建:

1.二维ndarray对象

2.由一维ndarray、列表、字典、元组或Series构成的字典

3.Series类型

4.其他的DataFrame类型


Pandas库的数据类型操作


重新索引

.reindex(index=None,columns=None,...)的参数

index,columns            新的行列自定义索引

fill_value                       重新索引中,用于填充缺失位置的值

method                       填充方法,ffill当前值向前填充,bfill向后填充

limit                             最大填充量

copy                             默认true,生成新的对象,false时,新旧相等不复制

索引类型的常用方法

.append(idx)           链接另一个index对象,产生新的index对象

.diff(idx)                    计算差集,产生新的index对象

.intersection(idx)        计算交集

.union(idx)                   计算并集

.delete(loc)                删除loc位置处的元素

.insert(loc,e)               在loc位置增加一个元素e

Pandas库的数据类型运算

算术运算法则

算术运算根据行列索引,补齐后运算,运算默认产生浮点数

补齐时缺项填充NaN(空值)

二维和一维、一维和零维间为广播运算

采用+ - * /符号进行的二元运算产生新的对象

方法形式运算

.add(d,**argws)    类型间加法运算,可选参数

.sub(d,**argws)    类型间减法运算,可选参数

.mul(d,**argws)    类型间乘法运算,可选参数

.div(d,**argws)    类型间除法运算,可选参数

比较运算法则

比较运算只能比较相同索引的元素,不进行补齐

二维和一维、一维和零维间为广播运算

采用>  <  >=  <=  ==  !=等符号进行的二元运算产生布尔对象

Pandas的数据特征分析


.sort_values()方法在指定轴上根据数值进行排序,默认升序

Series.sort_values(axis=0,ascending=True)

DataFrame.sort_values(by,axis=0,ascending=True)

                   by:axis轴上的某个索引或索引列表

基本统计分析函数

适用于Series和DataFrame类型

.sum()           计算数据的总和,按0轴计算,下同

.count()         非NaN值的数量

.mean()  .median()   计算数据的算术平均值,算术中位数

.var()   .std()      计算数据的方差、标准差

.min()     .max()     计算数据的最小值、最大值

.describe()         针对0轴(各列)的统计汇总

适用于Series

.argmin()    .argmax()    计算数据最大值、最小值所在位置的索引位置(自动索引)

.idxmin()     .idxmax()    计算数据最大值、最小值所在位置的索引(自定义索引)

累计统计分析函数

适用于Series和DataFrame类型,累计计算

.cumsun()                  依次给出前1、2、...、n个数的和

.cumprod()                 依次给出前1、2、...、n个数的积

.cummax()                  依次给出前1、2、...、n个数的最大值

.cummin()                   依次给出前1、2、....、n个数的最小值


适用于Series和DataFrame类型,滚动计算(窗口计算)

.rolling(w).sum()                依次计算相邻w个元素的和

.rolling(w).mean()               依次计算相邻w个元素的算术平均值

.rolling(w).var()                    依次计算相邻w个元素的方差

.rolling(w).std()                   依次计算相邻w个元素的标准差

.rolling(w).min()   .max()                依次计算相邻w个元素的最小值和最大值

数据的相关分析

两个事物,表示为x和y,如何判断它们之间的存在相关性?

相关性

          1.x增大,y增大,两个变量正相关

          2.x增大,y减小,两个变量负相关

          3.x增大,y无视,两个变量不相关


相关分析函数

适用于Series和DataFrame类型

.cov()                计算协方差矩阵

.corr()                 计算相关系数矩阵,Pearson、Spearman、Kendall等系数



推荐阅读更多精彩内容