Python 学习 第十二篇：pandas

pandas是基于NumPy构建的模块，含有使数据分析更快更简单的操作工具和数据结构，最常用的数据结构是：序列Series和数据框DataFrame，Series类似于numpy中的一维数组，类似于关系表的一列；而DataFrame类似于二维的关系表。

>>> import pandas as pd
>>> from pandas import Series,DataFrame

一，数据类型

用dtype属性来显示元素的数据类型，pandas主要有以下几种dtype：

• object：表示字符串类型
• int：表示整数类型
• float：表示浮点数类型
• datetime：表示时间类型
• bool：表示布尔类型

二，序列

Series 是由一组有序的数据以及与之相关的索引组成，可以通过索引来访问Series对象中的元素。

1，创建序列

仅使用一组数据就可以产生最简单的Series，此时索引是从0依次递增的整数：

obj=Series([4,7,-5,3])

可以通过Series对象的values和index属性查看序列的值和索引：

obj.values
## array([4,7,-5,3])
obj.index
## Int64Index([0,1,2,3])

可以使用自定义的列表来创建序列：

obj=Series([4,7,-5,3],index=[‘d‘,‘b‘,‘a‘,‘c‘])

如果数据存储在一个Python字典结构中，也可以直接通过字典来创建Series：

>>> sdata = {‘b‘: 12, ‘a‘: 13, ‘d‘: 14, ‘c‘: 10}
>>> sd=pd.Series(sdata)
b    12
a    13
d    14
c    10
dtype: int64

2，访问序列的元素

通过索引来访问序列的元素，并可以修改序列元素的值

sd[‘a‘]=4

三，数据框

数据框类似于二维的关系表，含有一组有序的列，每列可以是不同的数据类型；DataFrame既有行索引（index），也有列索引（columns），可以认为，DataFrame的每一列都是一个Series对象。

1，使用DataFrame函数来创建数据框

通过等长的字典来创建数据框，并可以设置数据框的列名和行索引。

>>> data = {‘state‘: [‘Ohio‘, ‘Ohio‘, ‘Ohio‘, ‘Nevada‘, ‘Nevada‘],
...     ‘year‘: [2000, 2001, 2002, 2001, 2002],
...     ‘pop‘: [1.5, 1.7, 3.6, 2.4, 2.9]}
>>> row_num = [‘one‘, ‘two‘, ‘three‘, ‘four‘, ‘five‘]
>>> col_names=[‘year‘, ‘state‘, ‘pop‘]
>>> df=pd.DataFrame(data,columns=col_names,index=row_num)
       year   state  pop
one    2000    Ohio  1.5
two    2001    Ohio  1.7
three  2002    Ohio  3.6
four   2001  Nevada  2.4
five   2002  Nevada  2.9

2，访问DataFrame的元素

通过列名，访问DataFrame的元素的方法有两种：索引方式和. 号方式，这两种方式返回的都是数据框中一整列的数据：

df[‘state‘]
df.state

通过行索引可以返回一整行的数据，行索引可以通过位置或名称来获取，使用对象的索引字段ix：

df.ix[‘three‘]

3，修改DataFrame对象

修改已有的数据，例如，设置第一列的值，把第一列的值全部设置为“NewYork”

df.state[0]=‘NewYork‘

当对不存在的列赋值时，pandas会向DataFrame对象中新建一列：

df[‘avg_age‘]=34

关键字 del 用于删除DataFrame中的列：

del df[‘age‘]

4，DataFrame的索引

obj是DataFrame对象，有多种方式来索引DataFrame对象:

• obj[col]：选取DataFrame对象的单个列或一组列
• obj.ix[row]：选取DataFrame对象的单行或一组行
• obj.ix[:,col]：和obj[col]的作用相同，
• obj.ix[row:col]：同时选取DataFrame对象的行和列
• icol,irow：根据整数位置选取单列或单行

四，删除行和列

drop()函数用于删除指定轴（Axis）上的数据项，

drop(labels=None, axis=0, index=None, columns=None,level=None, inplace=False):

参数注释：

• labels：一个字符或者数值，或者是字符或数值的列表，和axis搭配，表示行索引或列索引
• axis：axis=0表示行，axis=1表示列
• columns：表示DataFrame对象的列名
• index：表示DataFrame或Series对象的index, 如index=1, index=‘a‘
• inplace：True表示删除某行后原dataframe变化，False不改变原始dataframe

注意：对于 inplace参数，如果设定为True，那么原始序列或数据框直接被替换；如果设置inplace=False，原始序列或数据框对应的内存值并不改变，要保留函数执行的结果，需要将新的结果赋给一个新的对象。先删除index=0的行，再删除列名为a的数据

1，基于index 和columns来删除数据

先删除index=0的行，再删除列名为a的数据

df.drop(index=0) 
df.drop(colum=‘a‘)

2，基于labels和axis来删除数据

先删除 "行号为0" 的数据，再删除列名为a的数据

df.drop(labels=0, axis=0) 
df.drop(labels=‘a‘,axis=1)

五，处理缺失数据

缺失值NA的处理方法：

• dropna：删除函数有缺失值的行或列
• fillna：用指定值填充缺失值
• isnull：返回一个含有布尔值的对象，表示哪些值是缺失值
• notnull：返回一个含有布尔值的对象，表示哪些值不是缺失值

参考文档：

pandas 学习（1）： pandas 数据结构之Series

Pandas简易入门（一）

Pandas: Drop函数（Dataframe删除指定行列）

Python 学习 第十二篇：pandas

原文：https://www.cnblogs.com/ljhdo/p/10593914.html