Python数据分析与展示[第三周](pandas简介与数据创建)
第三周的课程pandas 分析数据
http://pandas.pydata.org
import pandas as pd
常与numpy matplotlib 一块定义
d=pd.Series(range(20))
d.cumsum()
主要提供两个数据类型
Series DataFrame
基于上述数据类型的各类操作
很好的表示和封装
numpy 更关注数据的结构表达 数据之间构成的维度
pandas 基于numpy 实现的扩展库
建立其应用与索引之间的关系
Series 数据和索引 series类型由一组数据与索引构成
a=pd.Series([9,8,7,6])
会自动增加一个索引
沿用numpy中的类型
更强大的索引能力
b=pd.Series=([9,8,7,6],index=['a','b','c','d'])
b
自定义索引的写法 ↑
对于其每一个数据都会关联一个索引(自动生成或者自定义索引)
Series 可以由 python列表 标量值其它函数 python字典 numpy ndarray
这里是Series 的创建
1 标量创建
s=pd.Series(25,index=['a','b','c'])
这里的index=不可省略
2 字典创建
d=pf.Series({"a":9,"b":8,"c":7})
这样的话 key -> index
value ->value
e=pd.Series({'a':9,'b':8,'c':7},index=['c','b','a'])
这里的index制定了形状
e
c 7.0
a 9.0
b.8.0
d Nan
以上的字典构造Series 的两种方式
3 ndarray中创建
n=pd.Series(np.arrange(5))
m=pd.Series(np.arrange(5),index=np.arrange(9,4,-1))
Series 的基本操作
import pandas as pd
b=pd.Series([9,8,7,6],['a','b','c','d'])
b.index
b.values
获得index 和 values
Series = index + ndarray
b[1]
8
b['b']
8
两套索引可以并存,但是不能混用
可以用自定义索引的列表进行切片
可以通过自动索引进行切片
b[3] 第3个
b[:3] 0-3个
Series 类型切出来还是Series 类型
b[b>b.median()] 所有大于元素中位数的项
输出Series类型
是Series 就有index 和 values
对Series的运算都是返回Series
类似字典类型
可以通过自动索引进行切片,而且索引和值会被一同切片
保留字 in
'c' in b 判断c是不是b的索引的一部分(只判断自定义索引,不会判断自动索引)
True
方法 .get()
b.get('f',100) 得到 ‘f’对应的值,没有就返回100(默认)
Series 的对齐操作
a=pd.Series([1,2,3,],['c','d','e'])
b=pd.Series([9,8,7,6],['a','b','c','d'])
a+b
索引相同的元素相加,索引不同的项不管
有数据+没有值=没有值
这是一个对齐问题(更加精确,更加不容易出错)
对象和索引都可以有一个书名,存储在.name
b.name 对象的名字
b.index.name 索引的名字
Series类型的修改
随时修改并且即刻生效
b['b','c']=20 修改索引为'b','c'的元素
基本操作之间存在对齐问题 , 根据索引对齐
带标签数组的含义就是
DataFrame 类型
是由公用相同索引的一组列组成
index\column axis=1
index_0 data_a ...
index_1 data_b ...
...
axis=0
表格型的数据类型
常用二维数据
DataFrame的创建
二维nd.array对象
由一维ndarray ,列表,字典,元组,Series 构成的字典
Series 类型
其他的Dataframe创建
import pandas as pd
import numpy as np
d=pd.DataFrame(np.arrange(10).reshape(2,5))
d
0 1 2 3 4
0 0 1 2 3 4
1 5 6 7 8 9
使用字典创建 DataFrame
dt={"one":pd.Series([1,2,3],index=['a','b','c']) ,
"two":pd.Series([9,8,7,6],index=['a','b','c','d'])
}
每一个字典键值对,对应一个column
d=pd.DataFrame(dt)
d
one two
a 1 9
b 2 8
c 3 7
d nan 6
有一点点像自动对齐
pd.DataFrame(dt,index=['b','c','d'],column=['two','three'])
这里也同样是指定形状
有一点像自动对齐的规则
two three
b 8 nan
c 7 nan
d 6 nan
还可以通过列表类型的字典创建
dl={'one':[1,2,3,4],'two':[9,8,7,6]}
key:List 分别对应两个column ,columnvalues
d=pd.DataFrame(dl,index=['a','b','c','d']) 只指定index
用字典的话column顺序 不一定与字典中相同
d.columns
d.index
返回Series (index)
d.values
返回ndarray
D['同比']获得其中某一列(column) Series
d.ix[] 获得其中的某一行(row) Series
d["同比"][“c2”] 先列(column)后行 奇怪。。(看上面的取值方法)
d.ix['c2'][同比] 这样就先行(row)后列了吧(column)
二维带标签的数组
Python数据分析与展示[第三周](pandas简介与数据创建)的更多相关文章
- Python数据分析与展示[第三周](pandas数据类型操作)
数据类型操作 如何改变Series/ DataFrame 对象 增加或重排:重新索引 删除:drop 重新索引 .reindex() reindex() 能够改变或重排Series和DataFrame ...
- Python数据分析与展示[第三周](pandas数据特征分析单元8)
数据理解 基本统计 分布/累计统计 数据特征 数据挖掘 数据排序 操作索引的排序 .sort_index() 在指定轴上排序,默认升序 参数 axis=0 column ascending=True ...
- python数据分析及展示(三)
一.Pandas库入门 1. Pandas库的介绍 http://pandas.pydata.org 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 ...
- Python数据分析与展示第3周学习笔记(北京理工大学 嵩天等)
入门学习马上结束辽. 1.Pandas库 import pandas as pd 两个数据类型:Series,DataFrame Series类型:数据+索引 自定义索引 b = pd.Series( ...
- Python数据分析与展示第2周学习笔记(北理工 嵩天)
单元4:Matplotlib库入门 matplotlib.pyplot是绘制各类可视化图形的命令子库,相当于快捷方式 import matplotlib.pyplot as plt # -*- cod ...
- Python数据分析与挖掘所需的Pandas常用知识
Python数据分析与挖掘所需的Pandas常用知识 前言Pandas基于两种数据类型:series与dataframe.一个series是一个一维的数据类型,其中每一个元素都有一个标签.series ...
- 【学习笔记】PYTHON数据分析与展示(北理工 嵩天)
0 数据分析之前奏 课程主要内容:常用IDE:本课程主要使用:Anaconda Anaconda:一个集合,包括conda.某版本Python.一批第三方库等 -支持近800个第三方库 -适合科学计算 ...
- Python数据分析:手把手教你用Pandas生成可视化图表
大家都知道,Matplotlib 是众多 Python 可视化包的鼻祖,也是Python最常用的标准可视化库,其功能非常强大,同时也非常复杂,想要搞明白并非易事.但自从Python进入3.0时代以后, ...
- Python 学习日记(第三周)
知识回顾 在上一周的学习里,我学习了一些学习Python的基础知识下面先简短的回顾一些: 1Python的版本和和安装 Python的版本主要有2.x和3.x两个版本这两个版本在语法等方面有一定的区别 ...
随机推荐
- np一些基本操作1
##生成一个一维数组import numpy as np;nb7 = np.arange(0,100,2);print(nb7)print("======================== ...
- NoSQL 列族数据库
- Selenium浏览器自动化测试使用(2)
Selenium - 环境安装设置 为了开发Selenium RC或webdriver脚本,用户必须确保他们有初始配置完成.有很多关联建立环境的步骤.这里将通过详细的讲解. 下载并安装Java 下载并 ...
- Jenkins自动部署springboot项目
说明: 该示例为在windows系统下自动化部署springboot 架构: springboot + github + gradle + jdk8 各种配置步骤及截图说明: 1.配置git,grad ...
- R语言画图教程之盒形图
R语言画图教程之盒形图 我们之前有分享过一系列的R语言画图代码(PCA图.Pathway图.火山图.RDA图.热图),今天再来补充一个盒形图(箱形图)的代码. 以下代码只是示例,不能直接搬来用哦,注意 ...
- WPF DataGrid 数据绑定之"List配合Dictionary"
WPF 的DataGrid是WPF中最为强大的控件之一,可以通过各种方式绑定 例如通过最为形似的dataTable来绑定 本文则用List<Dictionary<K,V>>来绑 ...
- idea报错:Error:java不支持发行版本5的解决方法
将以下对应配置一致即可. File-->Project Structure File-->Settings
- IO流15 --- 数据流操作Java语言的基本数据类型 --- 技术搬运工(尚硅谷)
写入数据 @Test public void test10() throws IOException { DataOutputStream dos = new DataOutputStream(new ...
- svn查看指定版本提交信息的命令
通过svn命令查看指定版本提交的文件和日志信息 svn log -r ARG -v ARG :版本 可以是如下之一: NUMBER 版本号 '{' DATE '}' 在指定时间以后的版本 'HEAD' ...
- KOA 学习(一)
一.安装KOA 用npm下载KOA 就会在koa文件夹下生成 二.输出hello,world 我下载的KOA版本号是2.0.1 const Koa = require('koa'); const ap ...