pandas 模块学习

pandas模块

方法有两个

1.在windows下安装pandas，只安装pandas一个包显然是不够的，它并没有把用到的相关包都打进去，这点是很麻烦的，只有等错误信息出来后才知道少了哪些包。我总结了一下，一共需要安装如下包：
pyparsing-2.0.2.win32-py2.7.exe
matplotlib-1.3.1.win32-py2.7.exe
openpyxl-openpyxl-5d2c0c874d2.tar.gz
setuptools-3.8.1.win32-py2.7.exe
numpy-MKL-1.8.1.win32-py2.7.exe
six-1.7.3.win32-py2.7exe
python-dateutil-2.2.win32-py2.7.exe

这些安装包的下载地址是：
https://qa.debian.org/watch/sf.php/matplotlib

将最后的matplotlib改成对应的模块。或者到

http://sourceforge.net

搜索一下

2.直接使用pip安装这个包就不用那么麻烦了，直接输入pip install pandas就可以了

在pandas中使用Series类的plot画图。 如果tz_counts是一个Series类： 1.在python画图，需要先导入matplotlib.pyplot： import matplotlib.pyplot as plt tz_counts[: 10 ].plot(kind= 'barh' ,rot= 0 ) plt.show() 2.在ipython画图需要打开pylab模式： ipython --pylab

DataFrame类：

DataFrame有四个重要的属性：

index：行索引。

columns：列索引。

values：值的二维数组。

name：名字。

这个类是Pandas最重要的类之一。

构建方法，DataFrame(sequence)，通过序列构建，序列中的每个元素是一个字典。

frame=DateFrame构建完之后，假设frame中有'name','age','addr'三个属性，可以使用fame['name']查看属性列内容，也可以fame.name这样直接查看。

frame按照'属性提取出来的每个列是一个Series类。

DataFrame类可以使用布尔型索引。

groupby(str|array...)函数：可以使用frame中对应属性的str或者和frame行数相同的array作为参数还可以使用一个会返回和frame长度相同list的函数作为参数，如果使用函数做分组参数，这个用做分组的函数传入的参数将会是fame的index，参数个数任意。使用了groupby函数之后配合,size()函数就可以对groupby结果进行统计。 groupby后可以使用： size()：就是count sum()：分组求和 apply(func，axis=0)：在分组上单独使用函数func返回frame，不groupby用在DataFrame会默认将func用在每个列上，如果axis=1表示将func用在行上。

reindex(index,column,method)：用来重新命名索引，和插值。

size()：会返回一个frame，这个frame是groupby后的结果。

sum(n).argsort()：如果frame中的值是数字，可以使用sum函数计算frame中摸个属性，各个因子分别求和，并返回一个Series，这个Series可以做为 frame.take的参数，拿到frame中对应的行。

pivot_table(操作str1,index=str2,columns=str3,aggfunc=str4)透视图函数： str1：是给函数str4作为参数的部分。 str2：是返回frame的行名。 str3：是返回frame的列名。 str4：是集合函数名，有'mean','sum'这些，按照str2，str3分组。 使用透视图函数之后，可以使用.sum()这类型函数，使用后会按照index和columns的分组求和。

order_index(by,ascending): 返回一个根据by排序，asceding=True表示升序，False表示降序的frame

concat(list)：将一个列表的frame行数加起来。

ix[index]：就是行索引，DataFrame的普通下标是列索引。

take(index)：作用和ix差不多，都是查询行，但是ix传入行号，take传入行索引。

unstack()：将行信息变成列信息。

apply(func，axis=0)和applymap(func)：apply用在DataFrame会默认将func用在每个列上，如果axis=1表示将func用在行上。applymap表示func用在每个元素上。

combine_first(frame2)：combine_first会把frame中的空值用frame1中对应位置的数据进行填充。Series方法也有相同的方法。

stack()函数，可以将DataFrame的列转化成行，原来的列索引成为行的层次索引。（stack和unstack方法是两个互逆的方法，可以用来进行Series和DataFrame之间的转换）

duplicated()：返回一个布尔型Series，表示各行是否重复。

drop_duplicates()：返回一个移除了重复行后的DataFrame

pct_change()：Series也有这个函数，这个函数用来计算同colnums两个相邻的数字之间的变化率。

corr()：计算相关系数矩阵。

cov()：计算协方差系数矩阵。

corrwith(Series|list,axis=0)：axis=0时计算frame的每列和参数的相关系数。

Series类：

两个重要的属性：

value：存放series值的一个数组。

index：Series的下标索引。

name：就是Series的名字

index有一个name属性。

可以通过Series(list,index=None)的形式来创建一个Series类，index表示的是用下标访问对应的数据。 也可以直接使用字典创建Series(dict)

value_counts()：该方法可以用来统计series类中各因子出现的次数，返回一个带统计结果的series。

fillna(str)：给series中的空值赋值。

plot()函数：可以用来给带统计结果的函数画图。但是要配合matplotlib使用

notnull()：返回一个判断series位置是否空值的布尔型索引。

sum()：如果是数字型Series，可以求和。

cumsum()：如果是数字型Series，可以返回一个累加的Series。

searchsorted()：在数字Series中定位一个数字的位置，这个数字不完全相同，但接近。

map(func)：将Series中的元素，每个都当做func的参数使用一遍，返回执行结果组成的Series

unique()：类似于sql中的distinct

isnull()/notnull()：返回一个布尔型索引

order()：对值进行排序。

order_value()：对索引进行排序。

unstack()方法：将Series的层次索引转换成列索引，变成一个DataFrame。

replace()：可以用list或dict作为参数，替换需要替换的值

str属性：Series.str后会将Series单做一个字符串的集合，这个集合能够使用字符串的操作，例如： data=Series(['abc','bcd','cde']) data.str[1] 输出; 1 b 2 c 3 d

read_table()函数：读dat文件。

import pandas as pd

mnames=['movie_id','title','genres']

movies=pd.read_table(r'C:\Users\Administrator\Desktop\python for data analysis data\pydata-book-master\ch02\movielens\movies.dat',sep='::',header=None,names=mnames)

read_csv()函数：可以将frame文件直接读成frame。

movies=pd.read_csv(r'names\job1880.txt',names=column)

read_csv函数有一个sep参数，设置分隔符，可以给这个参数传入正则表达式。

skiprows参数，参数是一个list，表示读取文件的时候，跳过list中的几行，第一行为0

read_excel()函数

可以直接读取excel文件为DataFrame

merge(frame1,frame2)：

根据两个frame列的名字自动合并，返回一个frame。

此函数可以通过on，left_on，right_on三个属性来设置怎么frame1和frame2通过什么属性来进行连接。

concat函数：

可以将DataFrame或者Series按照axis的方向堆积起来。

cut函数和 qcut函数：

可以将一些离散值分箱，cut函数用的是数值区间将数值分箱，qcut用的是分位数。

cut用在长度相等的桶，qcut用在大小相等的桶。

to_datetime(str):

解析常用的时间格式。

date_range函数：

产生时间序列。