Pandas数据分析教程(1)-Series和DataFrame

前言

大家好，这里是@少喝凉水G！最近自己也在进行Python数据分析的学习，故在此写下本文作为笔记使用，本文是笔记系列的的第一篇，不定期更新。写的博客如有错误或者疏忽的地方，还望各位大佬指点，在此表示感激不尽。

Pandas是建立在Numpy模组和matplotlib模组之上的，其代码风格与Numpy非常接近，但最大的不同是，Pandas针对的是表格型数据或异质型数据，而Numpy则更适合处理同质型数据，也就是数据类型相同的数据。

在开始之前，本文默认读者们都初步了解了Python的基础知识，有Numpy模块有一定了解。

正因为Pandas是在Numpy基础上实现，其核心数据结构与Numpy的ndarray十分相似。二者之间主要区别是：

从数据结构上看：

• numpy的核心数据结构是ndarray，支持任意维数的数组，但要求单个数组内所有数据是同质的，即类型必须相同；而pandas的核心数据结构是Series和Dataframe，仅支持一维和二维数据，但数据内部可以是异构数据，仅要求同列数据类型一致即可
• numpy的数据结构仅支持数字索引，而pandas数据结构则同时支持数字索引和标签索引

从功能定位上看：

• numpy虽然也支持字符串等其他数据类型，但仍然主要是用于数值计算，尤其是内部集成了大量矩阵计算模块，例如基本的矩阵运算、线性代数、fft、生成随机数等

• pandas主要用于数据处理与分析，支持包括数据读写、数值计算、数据处理、数据分析和数据可视化全套流程操作

---

万物之始，引入pandas包：

import pandas as pd

Pandas有两个相当常用的数据结构(类)：Series和DataFram，本文主要学习这两类数据结构。

Series.

Series由一组数据以及一组与之相关的数据标签(即索引)组成，类似表格中的一个列（column），包含index和values两种属性，可以通过索引的方式选取Series中的单个或一组值。

Series创建

任何Python中的序列(sequence)都可以传入Series的生成函数。序列是是Python中最基本的数据结构，包括列表、元组、字符串、Unicode字符串、buffer对象和xrange对象。如下：

pd.Series(list,index=[ ])

list为传入序列，index为指定索引，默认为空。见下例：

>> obj = pd.Series([2,3,4,5])
>> obj
0    2
1    3
2    4
3    5
dtype: int64

Series是一种有序的数据类型，在这个例子中，索引在左，值在右。我们传入了一个列表（当然也可以传入数组(ndarray)，字典，元组等），如果没有指定索引，索引值就从 0 开始，我们可以根据索引值读取数据。当然我们也可以自行指定索引，例如：

>> obj = pd.Series([2,3,4,5],index = ['a','b','c','a'])
>> obj
a    2
b    3
c    4
a    5
dtype: int64

注意！由上面的例子可以看出，Series中的索引是可以重复的！并且哪怕指定了索引，我们仍可利用从0开始的下标索引去读取，如obj[1] = 3

Series属性

访问Series的几种属性，这些属性可以用赋值的方法改变：

In: obj.index    #获取索引
    obj.values   #获取值
    obj.dtype    #获取数据类型
    obj.name = 'text'  #给obj起名字
    obj.index.name = 'INDEX' #给obj的索引起名字

Out:Index(['a', 'b', 'a', 'd'], dtype='object')
    array([2, 3, 4, 5], dtype=int64)
    dtype('int64')

Pandas基于Numpy开发，故其中很多操作有共通之处。比如说除了使用下标索引来进行读取外，还可以利用布尔索引进行读取，同时可以进行科学计算。

#下标索引
>> obj[1:3]
b    3
a    4
dtype: int64

#布尔索引
>> obj[[True,False,False,True]]
a    2
d    5
dtype: int64
    
>> obj[obj>=3]
b    3
a    4
d    5
dtype: int64

DataFrame

DataFrame有点像Excel中的数据表，既有行索引又有列索引，每一列的值类型可以不同(数值，字符串等)，是一种二维的数据类型。

DataFrame创建

pandas.DataFrame(data, index, columns, dtype, copy)

以下列例子说明DataFrame的创建函数：

data = [          #也可以传入二维的ndarray、序列等
    [1,2,3],
    [2,3,4],
    [3,1,0],
    [4,7,9]
]
#第二个参数为行索引，第三个为列索引
frame = pd.DataFrame(data,range(1，5),['a','b','c']) 
>> frame                             #当然未指定索引则默认从0开始
   a  b  c
1  1  2  3
2  2  3  4
3  3  1  0
4  4  7  9

获取DataFrame的属性：

In: frame.index    #获取索引
    frame.columns  #获取列名
    frame.values   #获取值
    frame.shape    #获取行列数
    frame.dtypes    #获取数据类型,注意为复数
    frame.name = 'text'  #给frame起名字
    frame.index.name = 'INDEX' #给frame的索引起名字

Out:RangeIndex(start=1, stop=5, step=1)
    Index(['a', 'b', 'c'], dtype='object')
    array([[1, 2, 3],
       [2, 3, 4],
       [3, 1, 0],
       [4, 7, 9]], dtype=int64)
    (4, 3)
    a    int64
    b    int64
    c    int64
    dtype: object

DataFrame操作

注意！以下操作均是在数据的视图，而不是拷贝上进行的，因此对DataFrame的操作会改变数据内容

访问前n行：

>> frame.head(3)  #只能输入整数
   a  b  c
1  1  2  3
2  2  3  4
3  3  1  0

利用索引访问列：

>> frame[['b','c']]  #访问单列为frame['b']
   b  c
1  2  3
2  3  4
3  1  0
4  7  9
#或者
>> frame.b   #效果同上

修改一整列所有的值，若列名不存在，则生成一个新的列：

>> frame['d'] = (frame.c > 0)
frame
   a  b  c      d
1  1  2  3   True
2  2  3  4   True
3  3  1  0  False
4  4  7  9   True

删除某几行/列：

new_frame = frame.drop([2,3],axis = 0)  #原frame不变，返回新的数据,第二个参数为0代表操作行，为1代表操作列

删除某几列：

del frame['d']

删除某几行/列：

new_frame = frame.drop([2,3],axis = 0)  #原frame不变，返回新的数据,第二个参数为0代表操作行，为1代表操作列

删除某几列：

del frame['d']

下面是一些关于索引的操作：

下次应该会写Pandas的数据读取啥的，但更新又不知道是什么时候了hhh.

转载请标注作者和出处链接