1.Pandas简述
- Pandas是Python的一个数据分析包，该工具为解决数据分析任务而创建。
- Pandas纳入大量库和标准数据模型，提供高效的操作数据集所需的工具。
- Pandas提供大量能使我们快速便捷地处理数据的函数和方法。
- Pandas是字典形式，基于NumPy创建，让NumPy为中心的应用变得更加简单。
2.Pandas安装
pip3 install pandas3.Pandas引入
import pandas as pd #为了方便实用pandas采用pd简写4.Pandas数据结构
Pandas 的主要数据结构是 Series （一维数据）与 DataFrame（二维数据），这两种数据结构足以处理金融、统计、社会科学、工程等领域里的大多数典型用例。
4.1 Series
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。
import numpy as np
import pandas as pd
s=pd.Series([1,2,3,np.nan,5,6])
#nan(NAN，Nan):not a number 表示不是一个数字，np.nan是一个float类型的数据
print(s)#索引在左边 值在右边
4.2 DataFrame
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、布尔型值）。DataFrame 既有行索引也有列索引，它可以被看做由 Series 组成的字典（共同用一个索引）。
dates=pd.date_range('20180310',periods=6)
df = pd.DataFrame(np.random.randn(6,4), index=dates, columns=['A','B','C','D'])#生成6行4列位置
print(df)#输出6行4列的表格
print(df['B'])
#创建特定数据的DataFrame
df_1=pd.DataFrame({'A' : 1.,
'B' : pd.Timestamp('20180310'),
'C' : pd.Series(1,index=list(range(4)),dtype='float32'),
'D' : np.array([3] * 4,dtype='int32'),
'E' : pd.Categorical(["test","train","test","train"]),
'F' : 'foo'
})
print(df_1)
print(df_1.dtypes) #输出数据类型
print(df_1.index)#行的序号
print(df_1.columns)#列的序号名字
print(df_1.values)#把每个值进行打印出来
print(df_1.describe())#数字总结
print(df_1.T)#翻转数据，行列对调
print(df_1.sort_index(axis=1, ascending=False))
#axis等于1按列进行排序 如ABCDEFG 然后ascending倒叙进行显
print(df_1.sort_values(by='E'))#按值进行排序
5.Pandas选择数据
dates=pd.date_range('20180310',periods=6)
df = pd.DataFrame(np.random.randn(6,4), index=dates, columns=['A','B','C','D'])#生成6行4列位置
print(df)
5.1 选择某行或某列
print(df['A'])#或者df.A 选择某列
5.2 切片选择
print(df[0:3], df['20180310':'20180314'])
#两次进行选择 第一次切片选择 第二次按照筛选条件进行选择
5.3 根据标签loc-行标签进行选择数据
print(df.loc['20180312', ['A','B']])#按照行标签进行选择 精确选择
5.4 根据序列iloc-行号进行选择数据
print(df.iloc[3, 1])#输出第三行第一列的数据
print(df.iloc[3:5,0:2])#进行切片选择
print(df.iloc[[1,2,4],[0,2]])#进行不连续筛选
5.5 根据判断筛选
print(df[df.A > 0])#筛选出df.A大于0的元素 布尔条件筛选
6.Pandas设置数据
6.1 根据loc和iloc设置
dates = pd.date_range('20180310', periods=6)
df = pd.DataFrame(np.arange(24).reshape((6,4)), index=dates, columns=['A', 'B', 'C', 'D'])
print(df)
df.iloc[2,2] = 999#单点设置
df.loc['2018-03-13', 'D'] = 999
print(df)
6.2 根据条件设置
df[df.A>0]=999#将df.A大于0的值改变
print(df)
6.3 根据行或列设置
df['F']=np.nan
print(df)
6.4 添加数据
df['E'] = pd.Series([1,2,3,4,5,6], index=pd.date_range('20180313', periods=6))#增加一列
print(df)
7.Pandas处理丢失数据
处理数据中NaN数据，我们用这个测试数据 property-data.csv
7.1 输出csv文件数据
import pandas as pd
df = pd.read_csv('property-data.csv')
print (df)
7.2 使用dropna（）函数去掉NaN的行或列
new_df = df.dropna()
print(new_df)
7.3 使用fillna（）函数替换NaN值
print(df.fillna(value=0))#将NaN值替换为0
7.4 使用isnull()函数判断数据是否丢失
print(pd.isnull(df))#矩阵用布尔来进行表示 是nan为ture 不是nan为false
print(np.any(df.isnull()))#判断数据中是否会存在NaN值
8.Pandas导入导出
pandas可以读取与存取像csv、excel、json、html、pickle等格式的资料，详细说明请看官方资料
data=pd.read_csv('test1.csv')#读取csv文件
data.to_pickle('test2.pickle')#将资料存取成pickle文件
#其他文件导入导出方式相同9.Pandas合并数据
9.1 axis合并方向
df1 = pd.DataFrame(np.ones((3,4))*0, columns=['a','b','c','d'])
df2 = pd.DataFrame(np.ones((3,4))*1, columns=['a','b','c','d'])
df3 = pd.DataFrame(np.ones((3,4))*2, columns=['a','b','c','d'])
res = pd.concat([df1, df2, df3], axis=0, ignore_index=True)#0表示竖项合并 1表示横项合并 ingnore_index重置序列index index变为0 1 2 3 4 5 6 7 8
print(res)
9.2 join合并方式
df1 = pd.DataFrame(np.ones((3,4))*0, columns=['a','b','c','d'], index=[1,2,3])
df2 = pd.DataFrame(np.ones((3,4))*1, columns=['b','c','d', 'e'], index=[2,3,4])
print(df1)
print(df2)
res=pd.concat([df1,df2],axis=1,join='outer')#行往外进行合并
print(res)
res=pd.concat([df1,df2],axis=1,join='inner')#行相同的进行合并
print(res)
指定合并时使用的连接方式，连接方式有四种，默认为left。
| 代码 | 连接方式 | |
|---|---|---|
| inner | 内连 | 取行索引的交集 |
| outer | 外连 | 取行索引的并集 |
| left | 左连 | 使用左边df的行索引 |
| right | 右连 | 使用右边df的行索引 |
9.3 append添加数据
df1 = pd.DataFrame(np.ones((3,4))*0, columns=['a','b','c','d'])
df2 = pd.DataFrame(np.ones((3,4))*1, columns=['a','b','c','d'])
df3 = pd.DataFrame(np.ones((3,4))*1, columns=['a','b','c','d'])
s1 = pd.Series([1,2,3,4], index=['a','b','c','d'])
res=df1.append(df2,ignore_index=True)#将df2合并到df1的下面 并重置index
print(res)
res=df1.append(s1,ignore_index=True)#将s1合并到df1下面 并重置index
print(res)
10.Pandas合并merge
10.1 依据一组key合并
left = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3'],
'A': ['A0', 'A1', 'A2', 'A3'],
'B': ['B0', 'B1', 'B2', 'B3']})
print(left)
right = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3'],
'C': ['C0', 'C1', 'C2', 'C3'],
'D': ['D0', 'D1', 'D2', 'D3']})
print(right)
res=pd.merge(left,right,on='key')
print(res)
10.2 依据两组key合并
left = pd.DataFrame({'key1': ['K0', 'K0', 'K1', 'K2'],
'key2': ['K0', 'K1', 'K0', 'K1'],
'A': ['A0', 'A1', 'A2', 'A3'],
'B': ['B0', 'B1', 'B2', 'B3']})
print(left)
right = pd.DataFrame({'key1': ['K0', 'K1', 'K1', 'K2'],
'key2': ['K0', 'K0', 'K0', 'K0'],
'C': ['C0', 'C1', 'C2', 'C3'],
'D': ['D0', 'D1', 'D2', 'D3']})
print(right)
res=pd.merge(left,right,on=['key1','key2'],how='inner')#内联合并
print(res)
res=pd.merge(left,right,on=['key1','key2'],how='outer')#外联合并
print(res)
res=pd.merge(left,right,on=['key1','key2'],how='left')#左联合并
print(res)
res=pd.merge(left,right,on=['key1','key2'],how='right')#右联合并
print(res)
10.3 Indicator合并
df1 = pd.DataFrame({'col1':[0,1], 'col_left':['a','b']})
print(df1)
df2 = pd.DataFrame({'col1':[1,2,2],'col_right':[2,2,2]})
print(df2)
res=pd.merge(df1,df2,on='col1',how='outer',indicator=True)#依据col1进行合并 并启用indicator=True输出每项合并方式
print(res)
res = pd.merge(df1, df2, on='col1', how='outer', indicator='indicator_column')#自定义indicator column名称
print(res)
10.4 依据index合并
left = pd.DataFrame({'A': ['A0', 'A1', 'A2'],
'B': ['B0', 'B1', 'B2']},
index=['K0', 'K1', 'K2'])
print(left)
right = pd.DataFrame({'C': ['C0', 'C2', 'C3'],
'D': ['D0', 'D2', 'D3']},
index=['K0', 'K2', 'K3'])
res=pd.merge(left,right,left_index=True,right_index=True,how='outer')#根据index索引进行合并 并选择外联合并
print(res)
res=pd.merge(left,right,left_index=True,right_index=True,how='inner')
print(res)