利用Python进行数据分析:【Pandas】(Series+DataFrame)
一、pandas简单介绍
1、pandas是一个强大的Python数据分析的工具包。
2、pandas是基于NumPy构建的。
3、pandas的主要功能
--具备对其功能的数据结构DataFrame、Series
--集成时间序列功能
--提供丰富的数学运算和操作
--灵活处理缺失数据
4、安装方法:pip install pandas
5、引用方法:import pandas as pd
二、Series
Series是一种类似于一位数组的对象,由一组数据和一组与之相关的数据标签(索引)组成。
创建方式:
--pd.Series([4,7,-5,3])
--pd.Series([4,7,-5,3],index=['a','b','c','d'])
--pd.Series({'a':1, 'b':2})
--pd.Series(0, index=['a','b','c','d’])
三、Series特性
Series支持数组的特性:
--从ndarray创建Series:Series(arr)
--与标量运算:sr*2
--两个Series运算:sr1+sr2
--索引:sr[0], sr[[1,2,4]]
--切片:sr[0:2](切片依然是视图形式)
--通用函数:np.abs(sr)
--布尔值过滤:sr[sr>0]
统计函数:
--mean() #求平均数
--sum() #求和
--cumsum() #累加
Series支持字典的特性(标签):
--从字典创建Series:Series(dic),
--in运算:’a’ in sr、for x in sr
--键索引:sr['a'], sr[['a', 'b', 'd']]
--键切片:sr['a':'c']
--其他函数:get('a', default=0)等
In [12]: s = pd.Series(0,index=['a','b','c','d']) In [13]: s.a
Out[13]: 0 In [14]: v = pd.Series({'a':1,'b':2}) In [15]: v.a
Out[15]: 1 In [16]: v.b
Out[16]: 2 In [17]: v[0]
Out[17]: 1 In [18]: s*2
Out[18]:
a 0
b 0
c 0
d 0
dtype: int64 In [19]: v*2
Out[19]:
a 2
b 4
dtype: int64
四、整数索引
整数索引的pandas对象往往会使新手抓狂。
例:
sr = np.Series(np.arange(4.))
sr[-1]
如果索引是整数类型,则根据整数进行数据操作时总是面向标签的。
--loc属性 以标签解释
--iloc属性 以下标解释
五、pandas:Series数据对齐
pandas在运算时,会按索引进行对齐然后计算。如果存在不同的索引,则结果的索引是两个操作数索引的并集。
例:
sr1 = pd.Series([12,23,34], index=['c','a','d'])
sr2 = pd.Series([11,20,10], index=['d','c','a',])
sr1+sr2
sr3 = pd.Series([11,20,10,14], index=['d','c','a','b'])
sr1+sr3
如何在两个Series对象相加时将缺失值设为0?
sr1.add(sr2, fill_value=0)
灵活的算术方法:add, sub, div, mul
六、pandas:Series缺失数据
1、缺失数据:使用NaN(Not a Number)来表示缺失数据。其值等于np.nan。内置的None值也会被当做NaN处理。
2、处理缺失数据的相关方法:
--dropna() 过滤掉值为NaN的行
--fillna() 填充缺失数据
--isnull() 返回布尔数组,缺失值对应为True
--notnull() 返回布尔数组,缺失值对应为False
3、过滤缺失数据:sr.dropna() 或 sr[data.notnull()]
4、填充缺失数据:fillna(0)
七、pandas:DataFrame
DataFrame是一个表格型的数据结构,含有一组有序的列。
DataFrame可以被看做是由Series组成的字典,并且共用一个索引。
创建方式:
--pd.DataFrame({'one':[1,2,3,4],'two':[4,3,2,1]})
--pd.DataFrame({'one':pd.Series([1,2,3],index=['a','b','c']), 'two':pd.Series([1,2,3,4],index=['b','a','c','d'])})
--……
csv文件读取与写入:
--df.read_csv('E:\算法\day110 Numpy、Pandas模块\601318.csv')
--df.to_csv()
八、pandas:DataFrame查看数据
查看数据常用属性及方法:
index 获取索引
T 转置
columns 获取列索引
values 获取值数组
describe() 获取快速统计 DataFrame各列name属性:列名
rename(columns={})
九、pandas:DataFrame索引和切片
1、DataFrame有行索引和列索引。
2、DataFrame同样可以通过标签和位置两种方法进行索引和切片。
3、DataFrame使用索引切片:
方法1:两个中括号,先取列再取行。 df['A'][0]
方法2(推荐):使用loc/iloc属性,一个中括号,逗号隔开,先取行再取列。
loc属性:解释为标签
iloc属性:解释为下标
向DataFrame对象中写入值时只使用方法2
行/列索引部分可以是常规索引、切片、布尔值索引、花式索引任意搭配。(注意:两部分都是花式索引时结果可能与预料的不同)
通过标签获取:
df['A']
df[['A', 'B']]
df['A'][0]
df[0:10][['A', 'C']]
df.loc[:,['A','B']] #行是所有的行,列取是A和B的
df.loc[:,'A':'C']
df.loc[0,'A']
df.loc[0:10,['A','C']] 通过位置获取:
df.iloc[3]
df.iloc[3,3]
df.iloc[0:3,4:6]
df.iloc[1:5,:]
df.iloc[[1,2,4],[0,3]]、 通过布尔值过滤:
df[df['A']>0]
df[df['A'].isin([1,3,5])]
df[df<0] = 0
十、pandas:DataFrame数据对齐与缺失数据
DataFrame对象在运算时,同样会进行数据对齐,行索引与列索引分别对齐。
结果的行索引与列索引分别为两个操作数的行索引与列索引的并集。
DataFrame处理缺失数据的相关方法:
--dropna(axis=0,where=‘any’,…) 过滤掉值为NaN的行
--fillna() 填充缺失数据
--isnull() 返回布尔数组,缺失值对应为True
--notnull() 返回布尔数组,缺失值对应为False
十一、pandas:其他常用方法
- mean #求平均值
- sum #求和
- sort_index #按行或列索引排序
- sort_values #按值排序
- apply(func,axis=0) #axis=0指的是逐行,axis=1指的是逐列。
df.apply(lamada x:x.mean()) #按列求平均
df.apply(lamada x:x['high']+x["low"])/2,axis=1) #按列求平均(最高价和最低价的平均)
df.apply(lamada x:x['high']+x["low"])/2,axis=1) #按列求平均(最高价和最低价的平均)
- applymap(func) #将函数应用在DataFrame各个元素上
- map(func) #将函数应用在Series各个元素上
十二、pandas:时间对象处理
时间序列类型:
时间戳:特定时刻
固定时期:如2017年7月
时间间隔:起始时间-结束时间
Python标准库:datetime
datetime.datetime.timedelta # 表示 时间间隔
dt.strftime() #f:format吧时间对象格式化成字符串
strptime() #吧字符串解析成时间对象p:parse
灵活处理时间对象:dateutil包
dateutil.parser.parse('2018/1/29')
成组处理时间对象:pandas
pd.to_datetime(['2001-01-01', '2002-02-02']) 产生时间对象数组:date_range
--start 开始时间
--end 结束时间
--periods 时间长度
--freq 时间频率,默认为'D',可选H(our),W(eek),B(usiness),S(emi-)M(onth),(min)T(es), S(econd), A(year),…
十三、pandas:时间序列
1、时间序列就是以时间对象为索引的Series或DataFrame。
2、datetime对象作为索引时是存储在DatetimeIndex对象中的。
3、时间序列特殊功能:
--传入“年”或“年月”作为切片方式
--传入日期范围作为切片方式
--丰富的函数支持:resample(), strftime(), ……
--批量转换为datetime对象:to_pydatetime()
十四、pandas:从文件读取
1、时间序列就是以时间对象作为索引
--读取文件:从文件名、URL、文件对象中加载数据
--read_csv 默认分隔符为csv
--read_table 默认分隔符为\t
--read_excel 读取excel文件
2、读取文件函数主要参数:
--sep 指定分隔符,可用正则表达式如'\s+'
--header=None 指定文件无列名
--name 指定列名
--index_col 指定某列作为索引
--skip_row 指定跳过某些行
--na_values 指定某些字符串表示缺失值
--parse_dates 指定某些列是否被解析为日期,布尔值或列表 df = pd.read_csv("601318.csv") #默认以,为分隔符
- pd.read_csv("601318.csv",sep='\s+') #匹配空格,支持正则表达式
- pd.read_table("601318.csv",sep=',') #和df = pd.read_csv("601318.csv") 一样
- pd.read_excle("601318.xlsx") #读Excel文件
sep:指定分隔符
header = NOne,就会吧默认的表名去除 了
df.rename(column={0:'a',1:"b"}) #修改列名
pd.read_csv(index_col=0) #第0列
如果想让时间成为索引
pd.read_csv(index_col='date') #时间列
pd.read_csv(index_col='date',parse_datas=True) #时间列
parse_datas转换为时间对象,设为true是吧所有能转的都转
pd.read_csv(index_col='date',parse_datas=['date']) #知识吧date的那一列转换成时间对象 na_values=['None'] #吧表里面为None的转换成NaN,是吧字符串转换成缺失值
na_rep() #是吧缺失值nan转换成字符串 cols #指定输出的列,传入列表
十五、pandas:写入到文件
1、写入到文件:
--to_csv
2、写入文件函数的主要参数:
--sep
--na_rep 指定缺失值转换的字符串,默认为空字符串
--header=False 不输出列名一行
--index=False 不输出行索引一列
--cols 指定输出的列,传入列表
3、其他文件类型:json, XML, HTML, 数据库
4、pandas转换为二进制文件格式(pickle):
--save
--load
十六、pandas:数据分组与聚合
【分组】
df = pd.DateFrame({
'data1':np.random.uniform(10,20,5),
'data2':np.random.uniform(-10,10,5),
'key1':list("sbbsb")
'key2':
})
df.groupby('key1').mean() #做平均
df.groupby('key1').sum() #做平均
df.groupby(['key1','key2']).mean() #做平均 支持分层索引,按多列分组 df.groupby(len).mean() #传一个函数的时候,x是每一个行的索引
df.groupby(lambda x:len(x)).mean() #传一个函数的时候,x是每一个行的索引 df.groupby.groups() #取得多有的组
df.groupby.get_group() #取得一个组 【聚合】
df.groupby('key1').max()[['data1','data2']] #去掉key2的data1,data2,花式索引
df.groupby('key1').max()[['data1','data2']]- df.groupby('key1').min()[['data1','data2']] #去掉key2 df.groupby('key1').agg(lamada x:x.max()-x.min()) 既想看最大也可看最小
df.groupby('key1').agg([np.max,np.min])
不同的列不一样的聚合
df.groupby('key1').agg({'data1':'min','data2':'max'}) #键是列名,值是 a=_219 #219行的代码
a.resample('3D'),mean() #3D 3天,3M就是三周 【数据合并】
- 数据拼接
df = df.copy()
pd.concat([df,df2,df3],ignore_index=True) #不用之前的索引,
pd.concat([df,df2,df3],axis=1) #列
pd.concat([df,df2,df3],keys=['a','b','c']) #不用之前的索引,
df2.appeng(df3)
- 数据连接
如果不指定on,默认是行索引进行join
pd.merge(df,df3,on='key1')
pd.merge(df,df3,on='['key1','key2'])
利用Python进行数据分析:【Pandas】(Series+DataFrame)的更多相关文章
- 利用Python进行数据分析——pandas入门
利用Python进行数据分析--pandas入门 基于NumPy建立的 from pandas importSeries,DataFrame,import pandas as pd 一.两种数据结构 ...
- 利用Python进行数据分析-Pandas(第一部分)
利用Python进行数据分析-Pandas: 在Pandas库中最重要的两个数据类型,分别是Series和DataFrame.如下的内容主要围绕这两个方面展开叙述! 在进行数据分析时,我们知道有两个基 ...
- 利用Python进行数据分析-Pandas(第六部分-数据聚合与分组运算)
对数据集进行分组并对各组应用一个函数(无论是聚合还是转换),通常是数据分析工作中的重要环节.在将数据集加载.融合.准备好之后,通常是计算分组统计或生成透视表.pandas提供了一个灵活高效的group ...
- 利用Python进行数据分析-Pandas(第四部分-数据清洗和准备)
在数据分析和建模的过程中,相当多的时间要用在数据准备上:加载.清理.转换以及重塑上.这些工作会占到分析时间的80%或更多.有时,存储在文件和数据库中的数据的格式不适合某个特定的任务.研究者都选择使用编 ...
- 利用Python进行数据分析-Pandas(第七部分-时间序列)
时间序列(time series)数据是一种重要的结构化数据形式,应用于多个领域,包括金融学.经济学.生态学.神经科学.物理学等.时间序列数据的意义取决于具体的应用场景,主要有以下几种: 时间戳(ti ...
- 利用Python进行数据分析-Pandas(第三部分)
访问数据是使用本书所介绍的这些工具的第一步.这里会着重介绍pandas的数据输入与输出,虽然别的库中也有不少以此为目的的工具. 输入输出通常可以划分为几个大类:读取文本文件和其他更高效的磁盘存储格式, ...
- 利用python进行数据分析--pandas入门2
随书练习,第五章 pandas入门2 # coding: utf-8 # In[1]: from pandas import Series,DataFrame import pandas as pd ...
- 利用python进行数据分析--pandas入门1
随书练习,第五章 pandas入门1 # coding: utf-8 # In[1]: from pandas import Series, DataFrame # In[2]: import pa ...
- 利用Python进行数据分析-Pandas(第五部分-数据规整:聚合、合并和重塑)
在许多应用中,数据可能分散在许多文件或数据库中,存储的形式也不利于分析.本部分关注可以聚合.合并.重塑数据的方法. 1.层次化索引 层次化索引(hierarchical indexing)是panda ...
- 利用Python进行数据分析-Pandas(第二部分)
上一个章节中我们主要是介绍了pandas两种数据类型的具体属性,这个章节主要介绍操作Series和DataFrame中的数据的基本手段. 一.基本功能 1.重新索引 pandas对象的一个重要方法是r ...
随机推荐
- POJ 1015 陪审团问题
题意略. 思路: 这个题目开始我本来打算用个二维dp,令dp[ i ][ j ]为考虑前i个人,有j个名额的时候,我所能获取的最小差,后来发现不好转移.因为dp[ i ][ j ]有可能是+2, 也有 ...
- Codeforces 985E
题意略. 思路: 这个题目开始想的有点暴力,后来发现有搜索的性质,因此转而用动态规划.首先,我们要把这些数排个序. 定义状态:dp[i]为排序后i~n能否成功打包,1表示可以,0表示不能打包. 状态转 ...
- ubuntu 用户无法/循环登陆的问题
安装oracle数据库的时候需要新建用户oracle,使用的命令为:useradd oracle.这样做直接创建了用户oracle,但并没有在home目录下创建oracle用户的文件.在log out ...
- c# timestamp转换datetime
一.Codes class Program { static void Main(string[] args) { ); } public static DateTime UnixTimeStampT ...
- 【Java并发】线程的顺序执行
/** * 问题:有线程a.b.c,如何让它们顺序执行? * 方式一:可用Join()方法实现 * 方式二:可用newSingleThreadExecutor() * Created by Smile ...
- Commons组件实现文件上传与下载
一.文件上传 所需jar包 首先是commons-fileupload.jar包 其次是commons-IO.jar包 前者的使用依赖后者,两者缺一不可 实现 前台要求 在前台提交的form表单请求方 ...
- JOBDU 1193 矩阵转置
啊!!!这道题目今天竟然写错了!!!这道题目巨坑,说不能用数组,结果竟然是用数组做的,吐血!!! 看的所有有关博文,都是用数组做的,晕倒!真的出题人有毛病,出这种题,又不限制运行!!! 以后再遇到这种 ...
- yzoj P1122 阶乘 题解
T组数据,给出N,求出N!最右边非零的数. 对于30%的数据,N <= 30,T<=10. 对于全部的数据,N <= 10^2009,T<=30. 一道数学题 解析 N!/(1 ...
- git连接远程分支
今天在再用git连接到远程的dev分支的时候出现了下面的情况 $ git checkout -b dev origin/dev fatal: 'origin/dev' is not a commit ...
- ASP.NET Core 3.0 迁移避坑指南
一.前言 .NET Core 3.0将会在 .NET Conf 大会上正式发布,截止今日发布了9个预览版,改动也是不少,由于没有持续关注,今天将前面开源的动态WebApi项目迁移到.NET Core ...