十分钟搞定pandas（一）

这是关于pandas的简短介绍，主要面向新用户。可以参阅Cookbook了解更复杂的使用方法。

习惯上,我们做以下导入

Python

1 2 3

In [ 1 ] : import pandas as pd In [ 2 ] : import numpy as np In [ 3 ] : import matplotlib . pyplot as plt

创建对象

使用传递的值列表序列创建序列, 让pandas创建默认整数索引

使用传递的numpy数组创建数据帧,并使用日期索引和标记列.

Python

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

In [ 6 ] : dates = pd . date_range ( '20130101' , periods = 6 ) In [ 7 ] : dates Out [ 7 ] : < class 'pandas.tseries.index.DatetimeIndex' > [ 2013 - 01 - 01 , . . . , 2013 - 01 - 06 ] Length : 6 , Freq : D , Timezone : None   In [ 8 ] : df = pd . DataFrame ( np . random . randn ( 6 , 4 ) , index = dates , columns = list ( 'ABCD' ) ) In [ 9 ] : df Out [ 9 ] :                    A          B          C          D 2013 - 01 - 01    0.469112 - 0.282863 - 1.509059 - 1.135632 2013 - 01 - 02    1.212112 - 0.173215    0.119209 - 1.044236 2013 - 01 - 03 - 0.861849 - 2.104569 - 0.494929    1.071804 2013 - 01 - 04    0.721555 - 0.706771 - 1.039575    0.271860 2013 - 01 - 05 - 0.424972    0.567020    0.276232 - 1.087401 2013 - 01 - 06 - 0.673690    0.113648 - 1.478427    0.524988

使用传递的可转换序列的字典对象创建数据帧.

所有明确类型

Python

1 2 3 4 5 6 7 8 9

In [ 12 ] : df2 . dtypes Out [ 12 ] : A            float64 B      datetime64 [ ns ] C            float32 D              int32 E            category F              object dtype : object

如果你这个正在使用IPython，标签补全列名（以及公共属性）将自动启用。这里是将要完成的属性的子集：

如你所见, 列 A, B, C, 和 D 也是自动完成标签. E 也是可用的; 为了简便起见,后面的属性显示被截断.

查看数据

参阅基础部分

查看帧顶部和底部行

Python

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

In [ 14 ] : df . head ( ) Out [ 14 ] :                    A          B          C          D 2013 - 01 - 01    0.469112 - 0.282863 - 1.509059 - 1.135632 2013 - 01 - 02    1.212112 - 0.173215    0.119209 - 1.044236 2013 - 01 - 03 - 0.861849 - 2.104569 - 0.494929    1.071804 2013 - 01 - 04    0.721555 - 0.706771 - 1.039575    0.271860 2013 - 01 - 05 - 0.424972    0.567020    0.276232 - 1.087401   In [ 15 ] : df . tail ( 3 ) Out [ 15 ] :                    A          B          C          D 2013 - 01 - 04    0.721555 - 0.706771 - 1.039575    0.271860 2013 - 01 - 05 - 0.424972    0.567020    0.276232 - 1.087401 2013 - 01 - 06 - 0.673690    0.113648 - 1.478427    0.524988

显示索引,列,和底层numpy数据

描述显示数据快速统计摘要

Python

1 2 3 4 5 6 7 8 9 10 11

In [ 19 ] : df . describe ( ) Out [ 19 ] :                A          B          C          D count    6.000000    6.000000    6.000000    6.000000 mean    0.073711 - 0.431125 - 0.687758 - 0.233103 std      0.843157    0.922818    0.779887    0.973118 min    - 0.861849 - 2.104569 - 1.509059 - 1.135632 25 %    - 0.611510 - 0.600794 - 1.368714 - 1.076610 50 %      0.022070 - 0.228039 - 0.767252 - 0.386188 75 %      0.658444    0.041933 - 0.034326    0.461706 max      1.212112    0.567020    0.276232    1.071804

转置数据

按轴排序

Python

1 2 3 4 5 6 7 8 9

In [ 21 ] : df . sort_index ( axis = 1 , ascending = False ) Out [ 21 ] :                    D          C          B          A 2013 - 01 - 01 - 1.135632 - 1.509059 - 0.282863    0.469112 2013 - 01 - 02 - 1.044236    0.119209 - 0.173215    1.212112 2013 - 01 - 03    1.071804 - 0.494929 - 2.104569 - 0.861849 2013 - 01 - 04    0.271860 - 1.039575 - 0.706771    0.721555 2013 - 01 - 05 - 1.087401    0.276232    0.567020 - 0.424972 2013 - 01 - 06    0.524988 - 1.478427    0.113648 - 0.673690

按值排序

选择器

注释: 标准Python / Numpy表达式可以完成这些互动工作, 但在生产代码中, 我们推荐使用优化的pandas数据访问方法, .at, .iat, .loc, .iloc 和 .ix.

参阅索引文档 索引和选择数据 and 多索引/高级索引

读取

选择单列, 这会产生一个序列, 等价df.A

Python

1 2 3 4 5 6 7 8 9

In [ 23 ] : df [ 'A' ] Out [ 23 ] : 2013 - 01 - 01      0.469112 2013 - 01 - 02      1.212112 2013 - 01 - 03    - 0.861849 2013 - 01 - 04      0.721555 2013 - 01 - 05    - 0.424972 2013 - 01 - 06    - 0.673690 Freq : D , Name : A , dtype : float64

使用[]选择行片断

使用标签选择

更多信息请参阅按标签选择

使用标签获取横截面

Python

1 2 3 4 5 6 7

In [ 26 ] : df . loc [ dates [ 0 ] ] Out [ 26 ] : A      0.469112 B    - 0.282863 C    - 1.509059 D    - 1.135632 Name : 2013 - 01 - 01 00 : 00 : 00 , dtype : float64

使用标签选择多轴

显示标签切片, 包含两个端点

Python

1 2 3 4 5 6

In [ 28 ] : df . loc [ '20130102' : '20130104' , [ 'A' , 'B' ] ] Out [ 28 ] :                    A          B 2013 - 01 - 02    1.212112 - 0.173215 2013 - 01 - 03 - 0.861849 - 2.104569 2013 - 01 - 04    0.721555 - 0.706771

降低返回对象维度

获取标量值

Python

1 2	In [ 30 ] : df . loc [ dates [ 0 ] , 'A' ] Out [ 30 ] : 0.46911229990718628

快速访问并获取标量数据 (等价上面的方法)

按位置选择

更多信息请参阅按位置参阅

传递整数选择位置

Python

1 2 3 4 5 6 7

In [ 32 ] : df . iloc [ 3 ] Out [ 32 ] : A      0.721555 B    - 0.706771 C    - 1.039575 D      0.271860 Name : 2013 - 01 - 04 00 : 00 : 00 , dtype : float64

使用整数片断,效果类似numpy/python

使用整数偏移定位列表,效果类似 numpy/python 样式

Python

1 2 3