Pandas 使用技巧(一)

Pandas 的列表

pd.Series([1,2,3,4])

它会为每一个数据设置一个序号
dtype,列表中数据的格式

DataFrame:

Pandas 的矩阵, 在Pandas中叫做DataFrame, 它是一个大的矩阵类似于二维的numpy, 数据为numpy的数据,但是为每行指定索引和每一列指定索引,结构类似于通常意义的表。

dates = pd.date_range('20150101', periods=6)
df = pd.DataFrame(np.random.randn(6, 4), index=dates, columns=['a','b', 'c', 'd'])

数据结果是:

                   a         b         c         d
2015-01-01  0.136134 -0.289587 -0.695025  0.640421
2015-01-02 -0.118569  0.610150  0.750436 -1.254998
2015-01-03  0.659676 -0.465765 -1.206549  0.204780
2015-01-04 -1.128322  0.130286 -0.268923  0.071449

也可以如下定义dataFrame

df1 = pd.DataFrame(np.arange(12).reshape((3,4)))

这是行和列会被默认赋值只一个index值

DataFrame属性:

  • df.dtypes 返回每列数据的dtype,
    • DataFrame中每一列数据都可以有不同的格式
  • df.index 返回所有行的序号
  • df.column 返回所有列的序号(column)
  • df.values 返回所有的value,只是输出值不包括列和行的序号
  • df.describe() 获取对DataFrame每一列数据的相关计
    • count
    • mean
    • std
    • min
    • max
    • 只对数字类型的数据有效
  • df.T 作矩阵的转置
  • df.sort_index(axis=1, ascending=False), 对index进行排序,排序依据是行或者列的index
    • 由axis来指定行或者列0 是行,1是列
    • 它不会改变原序列,只会返回一个排过序的新序列
  • df.sort_values(by="d") 对值进行排序,可以指定列的index,来对某一列进行排序

如何选择数据:

  • 选取一列
    • df['A']
    • df.A
  • 数据切片,针对行
    • df[0:3], 切0行到3行
    • df[3] 取第3列的数据
    • df['20130102':'20130104'] 取指定行之间的数据
  • select by label: loc 可以针对行或者列进行选择, 这里需要行或列的index name, 这个可以非常灵活的使用
    • df.loc[2] 输入行的index
    • df.loc[:, 'a'] 选择列的话需要使用[:,]
    • df.loc[:, ['a', 'b']] 可以选择多个指定列
    • df.loc[:, 'a':'c'], 使用冒号只可以指定选择的范围
    • df.loc['2015-01-03':, 'b':] 获取从2015-01-03行到末行和“b”列都末列的数据
  • select by position iloc 可以针对行或者列进行选择, 这里需要行或列的索引号
    • df.iloc[3] 第三行的数据
    • df.iloc[3:5, 1] 从第三行到第五行,并且是第一列的数据
    • df.iloc[3:5, 1:3] 从第三行到第五行,并且从第一列到第三列的数据
  • mixed selection ix
    • df.ix[2, 'a':'c']
  • Boolean indexing, 对于列的处理比较好
    • df[df.A>8] 从df中找到A列中数据大于8的

设置值

如何给选定的范围的数据重新赋值
首先使用,数据选取方法选取数据,然后使用=赋值,可以使用数据的广播机制来赋值.

  • df.a[df.a>0] = 0 对于A列中所有大于0的值都重新赋值为0
  • df["e"]=11 为df加一列数据并且都将它初始化为11
  • df["e"]=np.nan

推荐阅读更多精彩内容