100天精通Python（数据分析篇）——第53天：初始pandas模块
文章目录
- 每篇前言
- 一、初始pandas
-
- 1. 什么是pandas？
- 2. 为什么要学习pandas？
- 3. pandas的优势
- 4. 下载安装pandas
- 二、Pandas的数据类型
-
- 1. Series
- 2. DataFrame
- 三、书籍推荐
每篇前言
作者介绍：Python领域优质创作者、华为云享专家、阿里云专家博主、2021年CSDN博客新星Top6
- 本文已收录于Python全栈系列专栏：《100天精通Python从入门到就业》
- 此专栏文章是专门针对Python零基础小白所准备的一套完整教学，从0到100的不断进阶深入的学习，各知识点环环相扣
- 订阅专栏后续可以阅读Python从入门到就业100篇文章；还可私聊进两百人Python全栈交流群（手把手教学，问题解答）； 进群可领取80GPython全栈教程视频 + 300本计算机书籍：基础、Web、爬虫、数据分析、可视化、机器学习、深度学习、人工智能、算法、面试题等。
- 加入我一起学习进步，一个人可以走的很快，一群人才能走的更远！
一、初始pandas
1. 什么是pandas？
Pandas 是一个开源的第三方 Python 库，从 Numpy 和 Matplotlib 的基础上构建而来，享有数据分析“三剑客之一”的盛名（NumPy、Matplotlib、Pandas）。Pandas 已经成为 Python 数据分析的必备高级工具，它的目标是成为强大、灵活、可以支持任何编程语言的数据分析工具。提供了高级数据结构和数据操作工具，它是使Python成为强大而高效的数据分析环境的重要因素之一。
-
一个强大的分析和操作大型结构化数据集所需的工具集
-
基础是NumPy，提供了高性能矩阵的运算
-
提供了大量能够快速便捷地处理数据的函数和方法
-
应用于数据挖掘，数据分析
-
提供数据清洗功能
2. 为什么要学习pandas？
Pandas是数据分析三剑客之一，是Python的核心数据分析库！
Pandas能够处理的数据类型：
- 与SQL或Excel表类似的数据
- 有序或无序的时间序列数据
- 带行列标签的矩阵数据
- 任意其他形式的观测
3. pandas的优势
- 处理浮点与非浮点数据里的缺失数据,表示为NaN大小可变
- 自动、显示数据对齐
- 强大、灵活的分组统计功能
- 成熟的导入导出工具
- …
4. 下载安装pandas
1. window电脑点击win键+ R，输入：cmd
2. 安装pandas，输入对应的pip命令：pip install pandas，我已经安装过了出现版本就安装成功了
3. 导包
import pandas as pd
注意：Python中看到pd那一定是对pandas导包的缩写！！！
二、Pandas的数据类型
Pandas有两个最主要也是最重要的数据结构： Series 和 DataFrame
- Series：一维，带标签数组
- DataFrame：二维，Series容器
import pandas as pd
1. Series
Series是一种类似于一维数组的 对象，由一组数据（各种NumPy数据类型）以及一组与之对应的索引（数据标签）组成。
- 类似一维数组的对象
- 由数据和索引组成
- 索引(index)在左，数据(values)在右
- 索引是自动创建的
1）通过list构建Series：
ser_obj = pd.Series(range(10))
>>> import pandas as pd
>>> # 通过list构建Series
>>> ser_obj = pd.Series(range(10, 20))
>>> print(ser_obj)
0 10
1 11
2 12
3 13
4 14
5 15
6 16
7 17
8 18
9 19
dtype: int64
>>> print(type(ser_obj))
<class 'pandas.core.series.Series'>
2）获取数据和索引：
ser_obj.index和ser_obj.values
>>> # 获取数据
>>> print(ser_obj.values)
[10 11 12 13 14 15 16 17 18 19]
>>> # 获取索引
>>> print(ser_obj.index)
RangeIndex(start=0, stop=10, step=1)
3）通过索引获取数据：
ser_obj[idx]
>>> #通过索引获取数据
>>> print(ser_obj[0])
10
>>> print(ser_obj[8])
18
4）索引与数据的对应关系不被运算结果影响
>>> # 索引与数据的对应关系不被运算结果影响
>>> print(ser_obj * 2)
0 20
1 22
2 24
3 26
4 28
5 30
6 32
7 34
8 36
9 38
dtype: int64
>>> print(ser_obj > 15)
0 False
1 False
2 False
3 False
4 False
5 False
6 True
7 True
8 True
9 True
dtype: bool
5）通过dict构建Series：
ser_obj = pd.Series(python字典)
>>> # 通过dict构建Series
>>> year_data = {2001: 17.8, 2002: 20.1, 2003: 16.5}
>>> ser_obj2 = pd.Series(year_data)
>>> print(ser_obj2.head())
2001 17.8
2002 20.1
2003 16.5
dtype: float64
>>> print(ser_obj2.index)
Int64Index([2001, 2002, 2003], dtype='int64')
6）name属性
对象名：
ser_obj.name
对象索引名：ser_obj.index.name
>>> # name属性
>>> ser_obj2.name = 'temp'
>>> ser_obj2.index.name = 'year'
>>> print(ser_obj2.head())
year
2001 17.8
2002 20.1
2003 16.5
Name: temp, dtype: float64
2. DataFrame
DataFrame是一个表格型的数据结构，它含有一组有序的列，每列可以是不同类型的值。DataFrame既有行索引也有列索引，它可以被看做是由Series组成的字典（共用同一个索引），数据是以二维结构存放的。
- 类似多维数组/表格数据 (如，excel, R中的data.frame)
- 每列数据可以是不同的类型
- 索引包括列索引和行索引
DataFrame的基础属性：
| 属性 | 说明 |
|---|---|
df.shape |
行数列数 |
df.dtypes |
列数据类型 |
df.ndim |
数据维度 |
df.index |
行索引 |
df.columns |
列索引 |
df.values |
对象值，二维ndarray数组 |
DataFrame整体情况查询：
| 方法 | 说明 |
|---|---|
df.head(3) |
显示头部几行，默认5行 |
df.tail(3) |
显示末尾几行，默认5行 |
df.info() |
相关信息概览:行数，列数，列索引，列非空值个数，列类型，列类型，内存占用 |
df.describe() |
快速综合统计结果:计数，均值，标准差，最大值，四分位数，最小值 |
1）通过ndarray构建DataFrame：
>>> import pandas as pd
>>> import numpy as np
>>> # 通过ndarray构建DataFrame
>>> array = np.random.randn(5,4)
>>> print(array)
[[-0.24162926 0.40680297 0.08596954 -0.76233872]
[-0.76604456 -0.74271574 -0.82554252 2.35414819]
[ 1.66400289 0.38210026 -0.83706262 -0.3219765 ]
[ 0.04612424 0.49754558 -1.34472493 -0.41849572]
[ 0.44190754 0.52152161 -0.99221172 2.08437141]]
>>> df_obj = pd.DataFrame(array)
>>> print(df_obj.head())
0 1 2 3
0 -0.241629 0.406803 0.085970 -0.762339
1 -0.766045 -0.742716 -0.825543 2.354148
2 1.664003 0.382100 -0.837063 -0.321977
3 0.046124 0.497546 -1.344725 -0.418496
4 0.441908 0.521522 -0.992212 2.084371
>>> print(type(df_obj))
<class 'pandas.core.frame.DataFrame'>
DataFrame对象既有行索引，又有列索引：
- 行索引，表明不同行，横向索引，叫index，0轴，axis=0
- 列索引，表名不同列，纵向索引，叫columns，1轴，axis=1
2）通过dict构建DataFrame：
>>> # 通过dict构建DataFrame
>>> dict_data = {'A': 1,
... 'B': pd.Timestamp('20170426'),
... 'C': pd.Series(1, index=list(range(4)),dtype='float32'),
... 'D': np.array([3] * 4,dtype='int32'),
... 'E': ["Python","Java","C++","C"],
... 'F': 'ITCast' }
# 方式1
>>> df_obj2 = pd.DataFrame(dict_data)
>>> print(df_obj2)
A B C D E F
0 1 2017-04-26 1.0 3 Python ITCast
1 1 2017-04-26 1.0 3 Java ITCast
2 1 2017-04-26 1.0 3 C++ ITCast
3 1 2017-04-26 1.0 3 C ITCast
>>> print(type(df_obj2))
<class 'pandas.core.frame.DataFrame'>
# 方式2
>>> list_data = [{"name": "小白", "age": 20, "tel": 10010}, {"name": "小红", "tel": 10010}, {"name": "小黑", "age": 10}]
>>> list_data
[{'name': '小白', 'age': 20, 'tel': 10010}, {'name': '小红', 'tel': 10010}, {'name': '小黑', 'age': 10}]
>>> df_obj3 = pd.DataFrame(list_data)
>>> print(df_obj3)
name age tel
0 小白 20.0 10010.0
1 小红 NaN 10010.0
2 小黑 10.0 NaN
# 可以看出空值用NaN占位了
3）通过Series对象创建DataFrame
>>> import pandas as pd
>>> ser_obj = pd.Series(range(10, 20))
>>> print(ser_obj)
0 10
1 11
2 12
3 13
4 14
5 15
6 16
7 17
8 18
9 19
dtype: int64
>>> pd = pd.DataFrame(ser_obj)
>>> pd
0
0 10
1 11
2 12
3 13
4 14
5 15
6 16
7 17
8 18
9 19
4）通过列索引获取列数据（Series类型）：
df_obj[col_idx]或df_obj.col_idx
>>> # 通过列索引获取列数据
>>> print(df_obj2['A'])
0 1
1 1
2 1
3 1
Name: A, dtype: int64
>>> print(type(df_obj2['A']))
<class 'pandas.core.series.Series'>
>>> print(df_obj2.A)
0 1
1 1
2 1
3 1
Name: A, dtype: int64
5）增加列数据：
df_obj[new_col_idx] = data； 类似Python的 dict添加key-value
>>> # 增加列
>>> df_obj2['G'] = df_obj2['D'] + 4
>>> print(df_obj2.head())
A B C D E F G
0 1 2017-04-26 1.0 3 Python ITCast 7
1 1 2017-04-26 1.0 3 Java ITCast 7
2 1 2017-04-26 1.0 3 C++ ITCast 7
3 1 2017-04-26 1.0 3 C ITCast 7
6）删除列
del(df_obj[col_idx])
>>> # 删除列
>>> del(df_obj2['G'] )
>>> print(df_obj2.head())
A B C D E F
0 1 2017-04-26 1.0 3 Python ITCast
1 1 2017-04-26 1.0 3 Java ITCast
2 1 2017-04-26 1.0 3 C++ ITCast
3 1 2017-04-26 1.0 3 C ITCast
三、书籍推荐
【书籍内容简介】
- 本书不但侧重于理论知识的普及，也将技术融合于Python模块进行实验上的操作与演示。本书主要内容包括：人工智能技术概述，人脸识别技术、物体识别技术，视频识别技术、语音识别技术、文本识别技术，区块链技术等。全书综合了各种模块对人工智能技术的实践，将分散的技术点统一起来，并把抽象的原理与适应读者思维的案例相融合，实现知识点的充分理解。
本书适合从事数据科学及AI的读者阅读。
- 京东自营：https://item.jd.com/13187173.html