Python数据分析 Pandas基本操作

一、Series基础操作

Series是pandas的基础数据结构，它可以用来创建一个带索引的一维数组，下面开始介绍它的基础操作

1、创建Series

1）使用数据创建Series：

复制代码

import pandas as pd
pd.Series(10,20,30,40)

2）使用列表创建：默认索引，s列表中内容，拷贝到Series元数组中

python 复制代码

s = [1, 2, 3, 4]
s1.Series(s)

3）使用字典创建：默认索引为字典的key值，字典的value成为Series对象的元数组

python 复制代码

s = {'a':1,'b':2,'c':3,'d':4}
s1 = pd.Series(s)

4）Series的索引操作，可以自定义索引的形式。

python 复制代码

s = [1,2,3,4]
index = ['a','b','c','d']
s1 = pd.Series(s,index=index)

整数：适合顺序和离散的标签。

浮点数：适合需要精确值的情况，但注意精度问题。

字符串：适合文本标签。

日期时间：适合时间序列数据，精确到日期和时间。

时间戳：提供更精确的时间标记。

分类：适合有限的类别集合，节省内存和计算。

布尔值：不常见，但适用于需要布尔逻辑的场景。

元组：用于多级索引（MultiIndex）或复杂的索引结构。

自定义对象：适合特殊需求的索引，只要实现了必要的比较和哈希方法。

2、`pd.Series` 构造函数的参数

1）`data`:

描述 : 用于构造 Series 的数据。可以是列表、数组、字典、标量等。
类型 : list、array、dict、scalar 等。

示例:

python 复制代码

s1 = pd.Series([10, 20, 30])
s2 = pd.Series({'a': 1, 'b': 2})
s3 = pd.Series(5, index=['a', 'b', 'c'])

2）`index`:

描述 : 自定义 Series 的索引。如果不提供，默认使用整数索引（0, 1, 2, ...）。
类型 : list、array 或 Index。

示例:

python 复制代码

s = pd.Series([10, 20, 30], index=['a', 'b', 'c'])

3）`dtype`:

描述 : 指定 Series 的数据类型。如果不提供，pandas 会自动推断数据类型。
类型 : numpy.dtype 或 str。

示例:

python 复制代码

s = pd.Series([10, 20, 30], dtype='float64')

4）`name`:

描述 : 给 Series 一个名称，可以用于后续数据操作和可视化时的标签,在，name 可以帮助识别 Series 的来源或意义，特别是在处理多个 Series 时，能够更容易地跟踪它们的含义
类型 : str。
示例:
python 复制代码
```
s = pd.Series([10, 20, 30], name='s1')
```

5）`copy`:

描述 : 是否复制输入的数据。如果设置为 True为深拷贝，则会复制输入数据，默认为 False浅拷贝。
类型 : bool。

示例

python 复制代码

s = [10, 20, 30]
s1 = pd.Series(s, copy=True)
s2 = pd.Series(s, copy=False)

注意：copy参数只能在源数据是 Numpy对象、Series对象中起到作用

二、DataFrame基本操作

DataFrame 是 pandas 库中的一个核心数据结构，用于处理和分析二维的表格数据。它类似于数据库中的表格或者 Excel 中的工作表。每一列可以是不同的数据类型（例如整数、浮点数、字符串等）它的每一列基本上都是一个Series，而每一行代表一个记录。

1、`DataFrame` 的基本结构

行（Rows）：数据的每一行代表一个记录或实例。
列（Columns）：数据的每一列代表一个变量或特征。
索引（Index）：行的标签，用于识别每一行。
列标签（Column Labels）：列的标签，用于识别每一列。

2、创建DataFrame对象

1)使用数据创建

python 复制代码

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

2)使用列表创建

python 复制代码

s = [[123,234,345],[456,567,667],[789,890,901]]
columns = ['身份id', '数字id', '人员id']
s1 = pd.DataFrame(s,columns=columns)
s1['身份id']

在这里，使用了columns参数指定了每个列名字，这些列名也就是Series的name属性,可以通过这个series的name属性去取出该列的数据例如：

也可以去修改它的数据，例如：

3）通过字典创建

python 复制代码

s = {'身份id':[123,456,789],'数字id':[234,567,890],'人员id':[345,667,901]}
index=['张三','李四','王五']
s1 = pd.DataFrame(s,index=index)

再次，使用了index参数，对DataFrame对象的索引进行了自定义，它的概念与Series的概念一样，也可以通过多维标签去访问或修改里面的元素，例如：

第一个元素是列名、第二个元素的索引，

4)通过`Series`对象去创建

python 复制代码

s1 = pd.Series([123,456,789],name='身份id',index=['张三','李四','王五'])
s2 = pd.Series([234,567,667],name='数字id',index=['张三','李2四','王五'])
s3 = pd.Series([789,890,901],name='人员id',index=['张三','李四','王五'])

s4 = pd.DataFrame([s1,s2,s3]，axis=1)

这里需要注意的是，如果Series对象中的index索引如果不一致，会导致多创建一个超出的列，因为Sreies和DataFrame的光系是并集关系，

但是这里还会出现另一个问题，之前我们已经说了，Series是DataFrame的列属性，但是在此处它却变成了DataFrame的行属性。

这是因为DataFrame 的构造方式和行为取决于你如何传递 Series 和使用的方法。实际上，Series 既可以被视为 DataFrame 的列，也可以被视为 DataFrame 的行，具体取决于构建 DataFrame 的方式。

Series 作为列

通常情况下，将 Series 传递给 DataFrame 构造函数时，如果每个 Series 是作为字典的值传递给 DataFrame，这些 Series 会被视为列。

python 复制代码

# 创建 Series 对象
s1 = pd.Series([123, 456, 789], name='编号', index=['张三', '李四', '王五'])
s2 = pd.Series([234, 567, 667], name='数字id', index=['张三', '李四', '王五'])
s3 = pd.Series([789, 890, 901], name='人员id', index=['张三', '李四', '王五'])

# 使用 pd.DataFrame() 构造函数，Series 作为列
df = pd.DataFrame({
    '编号': s1,
    '数字id': s2,
    '人员id': s3
})
print(df)

注意：在构造DataFrame对象时，它的列名以最后赋值的Series属性的name为最终结果，在上面例子的字典中，字典的key就可以看作是Series的name属性，它的赋值在Series构造函数之后，所以最终的结果就是身份id1，

Series 作为行

当 Series 被作为列表传递给 DataFrame 的构造函数时，它们会被默认视为 DataFrame 的行。每个 Series 的 name 属性将成为 DataFrame 的行索引。

python 复制代码

# 创建 Series 对象
s1 = pd.Series([123, 456, 789], name='编号', index=['张三', '李四', '王五'])
s2 = pd.Series([234, 567, 667], name='数字id', index=['张三', '李四', '王五'])
s3 = pd.Series([789, 890, 901], name='人员id', index=['张三', '李四', '王五'])

# 使用 pd.DataFrame() 构造函数，Series 作为行
df = pd.DataFrame([s1, s2, s3])

print(df)

作为列 ：当 Series 作为字典的值传递给 DataFrame 构造函数时，Series 被视为 DataFrame 的列。

作为行 ：当 Series 被作为列表传递给 DataFrame 构造函数时，Series 被视为 DataFrame 的行。

除了以上办法可以使用Series对象构造一个DataFrame对象，其实还有一个更好用的方法，就是使用pandas.concat()函数方法，它可以用于在指定轴上对多个 DataFrame 或 Series 进行拼接的函数。它可以将多个对象沿着一个轴（行轴或列轴）合并成一个单一的对象。这个函数非常灵活，支持多种拼接方式，可以处理不同形状和索引的数据结构，后续在谈它。

3、DataFrame的构造函数

DataFrame的构造函数和Series的构造函数，其实都差不多，他们都是由这几个参数组成data、index、dtype、name、copy

参数说明：

data :
- 类型：各种类型（dict, list, Series, DataFrame, ndarray, DataFrame 等）
- 说明：用于指定 DataFrame 的数据。可以是字典、列表、Series 列表、二维数组等。
index :
- 类型：Index 或 array-like
- 说明：用于指定 DataFrame 的行索引。如果未提供，将使用默认的整数索引。
columns :
- 类型：Index 或 array-like
- 说明：用于指定 DataFrame 的列名。如果未提供，将根据 data 自动生成。
dtype :
- 类型：str 或 np.dtype
- 说明：用于指定 DataFrame 的数据类型。如果未指定，DataFrame 将根据 data 自动推断数据类型。
copy :
- 类型：bool
- 说明：是否复制数据。默认为 False，即尽可能避免复制数据；设置为 True 时，则会复制数据。

Python数据分析 Pandas基本操作