前言:
pandas是在numpy的基础上开发出来的,Pandas 的数据结构:Pandas 主要有 Series(一维数组),DataFrame(二维数组),Panel(三维数组),Panel4D(四维数组),PanelND(更多维数组)等数据结构。其中 Series 和 DataFrame 应用的最为广泛。
Series
-
何为Series?
Series由一组数据(numpy的ndarray)和一组与之相对应的标签构成
-
创建Series
from pandas import Series,DataFrame
import pandas as pd
#直接构建
ser01=Series([1,2,3],index=['a','b','c'])
#通过字典的形式创建
ser02=pd.Series({'a':1,'b':2,'c':3})
-
索引切片
ser02[0:2]
ser01["n"]
-
运算
- 类似ndarray运算
print(ser01[ser01>=2])#求范围(注意输出值用中括号括起来)
print(ser01>=2)#返回的是布尔值
ser01+10#求整体加10
np.exp(ser01)#求指数
np.fabs(ser01)#求绝对值
#把相同的index相加,自动对齐
ser03=Series([1,2,3,4],index=['a','b','c','d'])
ser02+ser03
- 另外,用API计算的方法
>1..加法
s1.add(s2)
>2.减法
>s1.sub(s2)
>3.乘法
>s1.mul(s2)
>4.除法
>s1.div(s2)
>5.求中位数
>s1.median()
>6.求最大值
>s1.max()
>7.求和
>s1.sum()
-
缺失值处理
ser02=Series(ser01,index=['a','b','c','d'])
pd.isnull(ser02)#判断是否为空值
ser02
#过滤掉np.nan的值
ser02[pd.notnull(ser02)]
DataFrame
-
何为DataFrame?
DataFrame表格样的数据结构,包含一组有序的列,有行、列索引,可以看做是Series的字典组成
-
创建DataFrame
df01 =DataFrame([['susan','long','meimei'],[50,60,60]],index=['姓名','成绩'],columns=['Chinese','math','english'])
df01 #index为行索引,columns为列索引
#用字典创建一个列表,
dict={
"apart":[121,111,144,122],
"year":[2011,2013,2022,2003],
"month":8,
"profit":[100,22,99,80]
}
df02=DataFrame(dict,index=['one','two','three','four'])
df02
-
通过行列数据获取
默认为列获取,如果获取行可用pd.loc()
df02['apart']
#列增加
df02['address']=['北京','shanghai','shuangzhou','shenzhen']
df02
#列删除
df02.pop('apart')
#列修改
df02['month']=3
#行操作
df02.loc['two']
-
读取文件
分别读取csv、excel、txt文件
df04=pd.read_csv('data.csv')
df05=pd.read_excel('data.xlsx')#excel
df03 = pd.read_csv("data.txt",sep="\t",header=None)#通过tab键分割数据
-
过滤切片
df02[df02.columns[1:]]#截取从第二列之后所有行的值
-
缺失值操作
和series类似
df04.isnull()
#删除缺失值
df04.dropna(axis=1)#axis=1为去一列,默认为去一行,注意和数学统计里面默认计算的列不一样
df04.dropna(how="all")
#替换缺失值
df04.fillna(0)
df04.fillna({0:1,1:2,2:3})
-
数学统计
常见的方法如count describe min/max idxmin、idxmax quantile sum mean median mad var std cumsum pct_change
df02.describe()
df1=df02.dropna(axis=1)
df02.quantile(0.25)#计算样本分位(0到1)
df02.median()#中位数
df02.pct_change()#计算百分比变化
-
协方差和相对系数
直观反应两组数据的相关程度分别为cov,corr
df2=DataFrame({
"gdp":[2,4,6],
"chukou":[3,2,1]
})
df2.cov()
df2.corr()
-
唯一值,值计数,成员资格
唯一值unique,值计数value_counts,成员资格isin(等于用没里面的元素来过滤)
df3=Series([12,13,14,15,13,13,12,11,14])
df3.unique()
df3.value_counts()
df3[df3.isin([14,15])]#成员资格
-
层次索引
索引可以大于一维,unstack(level=1)可把series转化为dataframe,swapleve转换索引
df.set_index([])
后记:
才疏学浅,慢慢学习,慢慢更新,与诸君共勉
你可能感冒的文章:
我的机器学习numpy篇
我的机器学习matplotlib篇
我的机器学习微积分篇