Python 数据分析— Pandas 基本操作（上）
文章目录
- 学习内容：
-
- 一、Series 创建及操作
- 二、DataFram 的创建与操作
- 三、Pandas 的读写操作
- 四、选择指定行列数据
学习内容：
一、Series 创建及操作
** Series : Pandas 的一种数据结构形式，可理解为含有索引的一维数组。**
**（一）创建 Series ** pd.Series(数据 [, index=自定义索引(默认为0-N), copy=Flase默认 | True ->（当copy=False时，如果原始数据是np.array时，Series 值的更改为改变原数组对应元素）])
1. 通过列表或数组创建
import pandas as pd
list_a = range(10,13)
#list_a = np.arange(10,13)
pd.Series(data=list_a)
#输出： 0 10
# 1 11
# 2 12
# dtype: int64
pd.Series(list_a, index=['a', 'b', 'c']) # 指定索引数必须与元素相等
#输出： a 10
# b 11
# c 12
# dtype: int64
2. 通过字典创建索引
dict_a = {'d': 1, 'e': 2, 'f': 3}
pd.Series(dict_a)
#输出： d 1
# e 2
# f 3
# dtype: int64
pd.Series(dict_a, index=['e', 'f', 'g']) #当指定索引与字典键相同时，值为字典值；字典无时，值为NaN
#输出： e 2.0
# f 3.0
# g NaN
# dtype: float64
（二）Series 相关操作
1. 获取索引或值
dict_a = {'d': 1, 'e': 2, 'f': 3}
s_a = pd.Series(dict_a)
#1.获取索引
s_a.index # 返回 Index(['d', 'e', 'f'], dtype='object')
#2.获取数据
s_a.values # 返回 array([1, 2, 3])
2. 与整数加、减、乘、除
计算方法为： 各项分别与整数进行对应运算，返回新Series
s_x = pd.Series([10,11,12])
s_x + 5
#返回： 0 15
# 1 16
# 2 17
# dtype: int64
3. Series 之间进行加、减、乘、除
计算方法为： 同索引号元素进行对应运算，差异索引返回NaN
s_A = pd.Series([1,2,3],index = ['a','b','c'])
s_B = pd.Series([4,5,6],index = ['b','c','d'])
s_A * s_B
#返回： a 0.5
# b 1.0
# c 1.5
# d 2.0
# e 2.5
# dtype: float64
4. 按条件筛选
a = range(0, 50)
s_a = pd.Series(a)
s_a > 40 # 将每个值与40比较，大于为真，小于为假
#输出举例：
#0 False
#……
#40 False
#41 True
#……
#输出符合条件的数值
s_a[s_a > 40].values
#输出：array([41, 42, 43, 44, 45, 46, 47, 48, 49])
s_a[s_a%7 == 0].values
#输出：array([ 0, 7, 14, 21, 28, 35, 42, 49])
二、DataFram 的创建与操作
DataFram： Pandas 的一种数据结构形式，类似于表格，由若干个具有共同索引的 Series 组成，每个Series还有列索引。
DataFram 示例：
a b c
d 1 2 3
e 4 5 6
f 7 8 9
**（ 一）创建 DataFrame ** pd.DataFrame(data数据=数组 | 字典 [, index行索引, columns列索引])
1. 通过数组创建
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
pd.DataFrame(arr) #未指定索引，默认用从0开始的序列
'''输出：
0 1 2
0 1 2 3
1 4 5 6
2 7 8 9'''
pd.DataFrame(arr, columns=['a','b','c'], index=['d','e','f']) #指定行列索引
'''输出：
a b c
d 1 2 3
e 4 5 6
f 7 8 9'''
2. 通过字典创建
d = {'col1': [1, 2], 'col2': [3, 4]}
pd.DataFrame(data=d)
'''输出：
col1 col2
0 1 3
1 2 4'''
（二）常用操作
1. 查看头数据（head(n=前n行，默认为5)）
df = pd.DataFrame({'col1':range(10)})
'''df结构：
col1
0 0
1 1
2 2
……
9 9'''
df.head() #查看前5行
'''输出：
col1
0 0
1 1
2 2
3 3
4 4'''
df.head(3) #查看前3行
'''输出：
col1
0 0
1 1
2 2'''
2. 查看尾数据（tail(n)）用法同 head
df = pd.DataFrame({'col1':range(10)})
df.tail(2) #查看后两行
'''输出：
col1
8 8
9 9'''
3. 查看数据结构和存储信息（info(）
dict1={'品名':['矿泉水','纸巾','毛巾'],
'单价':[2,1,15],
'数量':[100,150,30],
'总价':[200,150,450]}
df_商品 = pd.DataFrame(dict1)
df_商品.info()
'''输出：
RangeIndex: 3 entries, 0 to 2
Data columns (total 4 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 品名 3 non-null object
1 单价 3 non-null int64
2 数量 3 non-null int64
3 总价 3 non-null int64
dtypes: int64(3), object(1)
memory usage: 224.0+ bytes'''
4. 查看数据按列统计信息（describe()）
df_商品.describe()
'''输出：
单价 数量 总价
count 3.00000 3.000000 3.000000
mean 6.00000 93.333333 266.666667
std 7.81025 60.277138 160.727513
min 1.00000 30.000000 150.000000
25% 1.50000 65.000000 175.000000
50% 2.00000 100.000000 200.000000
75% 8.50000 125.000000 325.000000
max 15.00000 150.000000 450.000000'''
5. 查看每列：均值（mean()）、中位数（median()）、最大值（max()）、最小值（min()）、和（sum()）
df_商品.mean()
'''输出：
单价 6.000000
数量 93.333333
总价 266.666667
dtype: float64'''
6. 数据排序：
按行索引排序（sort_index(axis=0或’index’行索引 | 1或’colunms’列索引)）
df_商品.sort_index(axis=0) # 按行索引排序
按列索引排序（sort_values(by=列索引 [, ascending=True升序 | False降序])）
df_商品.sort_values('数量') # 按数量升序排序
'''输出：
品名 单价 数量 总价
2 毛巾 15 30 450
0 矿泉水 2 100 200
1 纸巾 1 150 150'''
7. 数据转置（T）
df_商品.T
'''输出：
0 1 2
品名 矿泉水 纸巾 毛巾
单价 2 1 15
数量 100 150 30
总价 200 150 450'''
8. 获取行索引（index）、列索引（columns）
df_商品.columns
#输出： Index(['品名', '单价', '数量', '总价'], dtype='object')
（三） DataFrame 与 Series 间的转化
1. DataFrame 转 Series
dict1={'品名':['矿泉水','纸巾','毛巾'],
'单价':[2,1,15],
'数量':[100,150,30],
'总价':[200,150,450]}
df_商品 = pd.DataFrame(dict1)
df_商品['单价']
'''输出：
0 2
1 1
2 15
Name: 单价, dtype: int64'''
type(df_商品['单价'])
#输出：pandas.core.series.Series
2. Series 组成 DataFrame
pm = pd.Series(['矿泉水','纸巾','毛巾'])
sl = pd.Series([100,150,30])
dj = pd.Series([2,1,15])
pd.DataFrame([pm,sl,dj],index=['品名','数量','单价']).T
'''输出：
品名 数量 单价
0 矿泉水 100 2
1 纸巾 150 1
2 毛巾 30 15'''
3. 逐行读取表格值（iterrows() ->迭代返回各行索引和值）
df = pd.DataFrame([pm,sl,dj],index=['品名','数量','单价']).T
for index, content in df.iterrows():
pm, sl, dj = content
print(sl)
print(dj)
'''输出：
100
2
150
1
30
15'''
三、Pandas 的读写操作
Pandas 通过（read_文件类型()）和（to_文件类型()）读取和写入表格（DataFrame），支持类型如下：
1. 读取 Excel 文件（pd.read_excel(io=文件路径+文件名 [,sheet_name=工作表名，默认第1张表])）
（电子表格与程序在于同一目录，内容同上图）
df = pd.read_excel('test.xlsx')
df.head(3) # 前3行信息
'''输出：
Format Type Data Description Reader Writer
0 text CSV read_csv to_csv
1 text Fixed-Width Text File read_fwf NaN
2 text JSON read_json to_json'''
2. 写入到Excel 文件（pd.to_excel(文件名 [,index=True写入行索引 默认 | False 不写入),header=是否写入列索引）
df2 = df.head(3)
#将前3行输出为新表
df2.to_excel('test2.xlsx',index=False)
四、选择指定行列数据
（一）根据行、列索引名选择 （loc[行索引名 , 列索引名]）
arr = np.arange(16).reshape(4,4)
df = pd.DataFrame(arr, index=['a','b','c','d'], columns=['e','f','g','h'])
'''df结构：
e f g h
a 0 1 2 3
b 4 5 6 7
c 8 9 10 11
d 12 13 14 15'''
# df.loc[:,:] 返回所有数据
# df.loc[:3,:] 返回前4行 (0,1,2,3)
# df.loc[:,'前区1'] 返回 Series
# df.loc[:,['前区1']] 返回 DataFrame
df.loc[ :'c', 'e':'g'] #返回前3行，前3列数据 同 df.loc[['a','b','c'], ['e','f','g']]
'''输出：
e f g
a 0 1 2
b 4 5 6
c 8 9 10'''
（二）根据行、列位置选择 （iloc[行位置，列位置）
#用iloc返回前2行2列数据
df.iloc[:2, :2]
'''输出：
e f
a 0 1
b 4 5'''