利用python 学习数据分析 (学习四)

内容学习自:

Python for Data Analysis, 2nd Edition        

就是这本

纯英文学的很累,对不对取决于百度翻译了

前情提要:

各种方法贴:

　　https://www.cnblogs.com/baili-luoyun/p/10250177.html

　　　　内容提要:本次内容主要讲的是pands基本入门

　　　　　　一:pandas 主要有两种数据结构

　　　　　　　　Series,DataFrame

　　　　　　二: Series 

　　　　　　　　1:定义:

　　Series是一种类似于一维数组的对象，它由一组数据（各种NumPy数据类型）以及一组与之相关的数据标签（即索引）组成

　　　　　　　　2:表现形式

　　Series的字符串表现形式为：索引在左边，值在右边。

　　　　　　　　3:创建一个一维数组

obj =pd.Series([4,5,6,7,8])        #创建一维数组
print(obj)

print(obj.index)
print(obj.values)
>>>>>>>>>
0    4
1    5
2    6
3    7
4    8
dtype: int64
RangeIndex(start=0, stop=5, step=1)
[4 5 6 7 8]

　　　　　　　　4:通过索引获得内容

　　　　　　　　　　1>:单索引

obj1 = pd.Series([4,6,-7,-8],index=['d','a','b','c']) #修改索引
print(obj1)
>>>>

#通过索引获得内容
print(obj1['d'])
>>>>

d 4
a 6
b -7
c -8
dtype: int64
4

　　　　　　　　　　2>:多索引

#多索引
print(obj1[['d','a','c']])
>>>>
d    4
a    6
b   -7
c   -8
dtype: int64
d    4
a    6
c   -8
dtype: int64

　　　　　　　　　 3>:布尔过滤

print(obj1[obj1<0])
>>>>

d 4
a 6
b -7
c -8
dtype: int64
b -7
c -8
dtype: int64

　　　　　　　　　　4>:应用乘法

print(obj1*2)
>>>>>>>>>>
d    4
a    6
b   -7
c   -8
dtype: int64
d     8
a    12
b   -14
c   -16
dtype: int64

　　　　　　　　　5>:应用级函数

print(np.exp(obj1))
>>>>>
d    4
a    6
b   -7
c   -8
dtype: int64
d     54.598150
a    403.428793
b      0.000912
c      0.000335
dtype: float64

　　　　　　　　6>:索引的映射关系

print('b'in obj1)
print('e'in obj1)

>>>>>
d    4
a    6
b   -7
c   -8
dtype: int64
True
False

　　　　　　　　5 :创建字典的Series:

　　　　　　　　　　1:>创建字典型Series

sdata ={'Ohio':35000,'Texas':71000,'Oregon':16000,'Utah':5000 }
obj3 =pd.Series(sdata)
print(obj3)

>>>>

Ohio      35000
Texas     71000
Oregon    16000
Utah       5000
dtype: int64

　　　　　　　　　　2:>Series 插入index 和valuse

sdata ={'Ohio':35000,'Texas':71000,'Oregon':16000,'Utah':5000 }
obj3 =pd.Series(sdata)
print(obj3)
# 插入index 和valuse
states =['California','Ohio','Oregon','Texas']
obj4 =pd.Series(sdata,index=states)

print(obj4)

>>>>>>>>>>>>>>

Ohio      35000
Texas     71000
Oregon    16000
Utah       5000
dtype: int64
California        NaN
Ohio          35000.0
Oregon        16000.0
Texas         71000.0
dtype: float64

　　　　　　　　　　3>:检测数据是否缺失

l =pd.isnull(obj4)
print(l)
l2 =pd.notnull(obj4)
print(l2)

>>>>>>>>>>>>
California     True
Ohio          False
Oregon        False
Texas         False
dtype: bool
California    False
Ohio           True
Oregon         True
Texas          True
dtype: bool

　　　　　　　　　　4>:赋予名字

obj4.name ='population'
obj4.index.name ='state'
print(obj4)
>>>>>>>>>\
state
California        NaN
Ohio          35000.0
Oregon        16000.0
Texas         71000.0
Name: population, dtype: float64

　　　　　　　　　　5>:修改索引,修改索引的名字

obj =pd.Series([4,7,-6,3])
print(obj)
obj.index=['bob','Steve','jeff','Ryan']
print(obj)
>>>>>>>>>
0    4
1    7
2   -6
3    3
dtype: int64

bob      4
Steve    7
jeff    -6
Ryan     3
dtype: int64

　　　　　　　　　三:DataFrame

　　　　一:定义

　　

DataFrame是一个表格型的数据结构，它含有一组有序的列，每列可以是不同的值类型（数值、字符串、布尔值等）。DataFrame既有行索引也有列索引，它可以被看做由Series组成的字典（共用同一个索引）。DataFrame中的数据是以一个或多个二维块存放的（而不是列表、字典或别的一维数据结构）

　　　　二:创建

data ={'state':['Ohio','Ohio','Ohio','Nevada','Nevada','Nevada'],
       'year':[2000,2001,2002,2001,2002,2003],
       'pop':[1.5,1.7,3.6,2.4,2.8,3.2]
              }
frame =pd.DataFrame(data)
print(frame)
>>>>>>>>>
    state  year  pop
0    Ohio  2000  1.5
1    Ohio  2001  1.7
2    Ohio  2002  3.6
3  Nevada  2001  2.4
4  Nevada  2002  2.8
5  Nevada  2003  3.2

 　　　　　　　　　　2.1 head() #只获取前5行

print(frame.head())

>>>>>>>

    state  year  pop
0    Ohio  2000  1.5
1    Ohio  2001  1.7
2    Ohio  2002  3.6
3  Nevada  2001  2.4
4  Nevada  2002  2.8

　　　　

　　　　　2.2# 利用抬头排序

print(pd.DataFrame(data,columns=['year','pop','state']))
>>>>>>>>
   year  pop   state
0  2000  1.5    Ohio
1  2001  1.7    Ohio
2  2002  3.6    Ohio
3  2001  2.4  Nevada
4  2002  2.8  Nevada
5  2003  3.2  Nevada

　　　　　　2.3:拆入数据如果找不到,缺失值,则返回None

# #插入数据如果找不到，缺失值，则返回NaN
#columns 列名
#index 行名
frame2 =pd.DataFrame(data,columns=['year','state','pop','debt'],
                     index=['one','two','three','four','five','six']
                                          )
print(frame2)
>>>>>>>>>>>>
       year   state  pop debt
one    2000    Ohio  1.5  NaN
two    2001    Ohio  1.7  NaN
three  2002    Ohio  3.6  NaN
four   2001  Nevada  2.4  NaN
five   2002  Nevada  2.8  NaN
six    2003  Nevada  3.2  NaN

　　　2.4:返回columns 的值

　　　　

print(frame2.columns)
>>>>>>>>
Index(['year', 'state', 'pop', 'debt'], dtype='object')

　　　　2.5:通过标记,或者属性的方式,获取某一列的值

# #单独获取某一列
print(frame2['state'])
print(frame2.year)
print('>>>>>>>>>>>>>>>>>>')
print(frame2['year'])

>>>>>>>>>>>>>>
one        Ohio
two        Ohio
three      Ohio
four     Nevada
five     Nevada
six      Nevada
Name: state, dtype: object
one      2000
two      2001
three    2002
four     2001
five     2002
six      2003
Name: year, dtype: int64
>>>>>>>>>>>>>>>>>>
one      2000
two      2001
three    2002
four     2001
five     2002
six      2003
Name: year, dtype: int64

　　　　2.6:loc 属性获取行的所有内容

print(frame2.loc['three'])
>>>>>>>>>>
year     2002
state    Ohio
pop       3.6
debt      NaN
Name: three, dtype: object

　　　　2.7:通过赋值的方式进行修改

frame2['debt']=16.5
print(frame2)
>>>>>>>>
       year   state  pop  debt
one    2000    Ohio  1.5  16.5
two    2001    Ohio  1.7  16.5
three  2002    Ohio  3.6  16.5
four   2001  Nevada  2.4  16.5
five   2002  Nevada  2.8  16.5
six    2003  Nevada  3.2  16.5

　　　2.8:以 范围内容生成赋值

frame2['dabt']=np.arange(6.)
print(frame2)
>>>>>>>>>>

year state pop debt dabt
one 2000 Ohio 1.5 NaN 0.0
two 2001 Ohio 1.7 NaN 1.0
three 2002 Ohio 3.6 NaN 2.0
four 2001 Nevada 2.4 NaN 3.0
five 2002 Nevada 2.8 NaN 4.0
six 2003 Nevada 3.2 NaN 5.0

　　2.9:以Series的方式进行赋值

print(frame2)
print(">>>>>>>>>>>>")
val =pd.Series([-1.2,-1.5,-1.7],index =['two','four','five'])
print(val)
print(">>>>>>>>>>>>>>")
frame2['debt'] =val
print(frame2)
>>>>>>>>>>>>>>>>>>>>>
       year   state  pop debt
one    2000    Ohio  1.5  NaN
two    2001    Ohio  1.7  NaN
three  2002    Ohio  3.6  NaN
four   2001  Nevada  2.4  NaN
five   2002  Nevada  2.8  NaN
six    2003  Nevada  3.2  NaN
>>>>>>>>>>>>
two    -1.2
four   -1.5
five   -1.7
dtype: float64
>>>>>>>>>>>>>>
       year   state  pop  debt
one    2000    Ohio  1.5   NaN
two    2001    Ohio  1.7  -1.2
three  2002    Ohio  3.6   NaN
four   2001  Nevada  2.4  -1.5
five   2002  Nevada  2.8  -1.7
six    2003  Nevada  3.2   NaN

　　2.10:布尔型运算

frame2['eastern'] =frame2.state =='Ohio'
print(frame2)
>>>>>>>>
       year   state  pop debt  eastern
one    2000    Ohio  1.5  NaN     True
two    2001    Ohio  1.7  NaN     True
three  2002    Ohio  3.6  NaN     True
four   2001  Nevada  2.4  NaN    False
five   2002  Nevada  2.8  NaN    False
six    2003  Nevada  3.2  NaN    False