python数据分析包pandas_python 数据分析工具包 pandas(一)

1. 简单介绍

pandas 是专为 python 编程语言设计的高性能,简单易用的数据结构和数据分析工具库,它建立在 numpy 之上,可以许多第三方库完美集成在同一个科学计算环境中。pandas 被广泛应用于金融,统计,社会科学和许多工程技术领域,处理典型数据分析案例。

2. 安装

pandas 支持 conda 和 pip 两种方式安装。

conda 安装:

conda install pandas

pip 安装:

pip install pandas

截至本文写作之时,官方最新发布版本是 v0.25.1,发布时间为2019年8月22日。最新版本是 0.25.x 系列的bug修复版,建议更新。更新方式如下:

pip install –upgrade pandas

3. 数据结构

pandas 有两种主要的数据结构:Series(1维)和 DataFrame (2维)。

下面分别介绍这两种数据结构,首先在我们的 python 脚本或 jupyter notebook 中导入 pandas,业界惯例缩写为 pd。

import pandas as pd

3.1 Series

Series 是一维标记数组,能够保存任何数据类型(整数,字符串,浮点数,Python对象等)。 轴标签统称为索引。

3.1.1 创建 Series

通过列表创建:

data = [1, 2, 3]

pd.Series(data)

0 1

1 2

2 3

dtype: int64

通过字典创建:

data = {'a': 1, 'b': 2, 'c': 3}

pd.Series(data)

a 1

b 2

c 3

dtype: int64

通过 index 参数设置索引(标签):

data = [1, 2, 3]

index = ['a', 'b', 'c']

pd.Series(data, index=index)

a 1

b 2

c 3

dtype: int64

通过标量创建(相同值),并设置索引(标签,不能重复):

data = 0

index = ['a', 'b', 'c']

pd.Series(data, index=index)

a 0

b 0

c 0

dtype: int64

3.1.2 访问 Series

s = pd.Series([10, 100, 1000], index=['a', 'b', 'c'])

s

a 10

b 100

c 1000

dtype: int64

数组方式访问:

print(s[0], s[1], s[2])

10 100 1000

字典方式访问:

print(s['a'], s['b'], s['c'])

10 100 1000

可见两种访问方式之间的对应关系:

print(s[0] == s['a'], s[1] == s['b'], s[2] == s['c'])

True True True

3.2 DataFrame

DataFrame 是一个二维标记数据结构,具有可能不同类型的列。 可以将其类比于电子表格或 SQL 表,或 Series 对象的字典。 它也是最常用的 pandas 对象。

3.2.1 创建 DataFrame

通过列表字典创建:

data = {

'col1': [1, 2, 3],

'col2': [4, 5, 6],

'col3': [7, 8, 9]

}

pd.DataFrame(data)

col1 col2 col3 0 1 4 7 1 2 5 8 2 3 6 9

通过 Series 字典创建:

s1 = pd.Series([1, 2, 3], index=['row1', 'row2', 'row3'])

s2 = pd.Series([4, 5, 6], index=['row2', 'row3', 'row4'])

s3 = pd.Series([7, 8, 9], index=['row3', 'row4', 'row5'])

data = {

'col1': s1,

'col2': s2,

'col3': s3

}

pd.DataFrame(data)

col1 col2 col3 row1 1.0 NaN NaN row2 2.0 4.0 NaN row3 3.0 5.0 7.0 row4 NaN 6.0 8.0 row5 NaN NaN 9.0

通过字典列表创建:

data = [

{'col1': 1, 'col2': 2, 'col3': 3},

{'col1': 2, 'col2': 3, 'col3': 4},

{'col1': 3, 'col2': 4, 'col3': 5}

]

pd.DataFrame(data, index=['row1', 'row2', 'row3'])

col1 col2 col3 row1 1 2 3 row2 2 3 4 row3 3 4 5

通过二维列表创建:

data = [

[1, 2, 3],

[2, 3, 4],

[3, 4, 5]

]

pd.DataFrame(data, index=['row1', 'row2', 'row3'], columns=['col1', 'col2', 'col3'])

col1 col2 col3 row1 1 2 3 row2 2 3 4 row3 3 4 5

3.2.2 访问 DataFrame

df = pd.DataFrame([[1, 4, 7], [2, 5, 8], [3, 6, 9]],

index=['row1', 'row2', 'row3'],

columns=['col1', 'col2', 'col3'])

df

col1 col2 col3 row1 1 4 7 row2 2 5 8 row3 3 6 9

通过列标签访问列:

df['col1']

row1 1

row2 2

row3 3

Name: col1, dtype: int64

通过行标签访问行:

df.loc['row1']

col1 1

col2 4

col3 7

Name: row1, dtype: int64

通过整数访问行:

df.iloc[0]

col1 1

col2 4

col3 7

Name: row1, dtype: int64

通过切片选择行:

df[1:]

col1 col2 col3 row2 2 5 8 row3 3 6 9

3.2.3 转置 DataFrame

将行列互换,类似线性代数中矩阵的转置。

df.T

猜你喜欢:KEN:python 科学计算的基石 numpy(一)​zhuanlan.zhihu.comKEN:python 数据可视化工具包 matplotlib​zhuanlan.zhihu.com

坚持写专栏不易,如果觉得本文对你有帮助,记得点个赞。感谢支持!

你可能感兴趣的:(python数据分析包pandas_python 数据分析工具包 pandas(一))