1、概述
- Pandas 是一个开源的第三方 Python 库，从 Numpy 和 Matplotlib 的基础上构建而来
- Pandas 名字衍生自术语 "panel data"（面板数据）和 "Python data analysis"（Python 数据分析）
- Pandas 已经成为 Python 数据分析的必备高级工具，它的目标是成为强大、灵活、可以支持任何编程语言的数据分析工具
- Pandas 是 Python 语言的一个扩展程序库，用于数据分析
- Pandas 是一个开放源码、BSD 许可的库，提供高性能、易于使用的数据结构和数据分析工具
- Pandas 一个强大的分析结构化数据的工具集，基础是 Numpy（提供高性能的矩阵运算）
- Pandas 可以从各种文件格式比如 CSV、JSON、SQL、Microsoft Excel 导入数据
- Pandas 可以对各种数据进行运算操作，比如归并、再成形、选择，还有数据清洗和数据加工特征
- Pandas 广泛应用在学术、金融、统计学等各个数据分析领域
- Pandas 的出现使得 Python 做数据分析的能力得到了大幅度提升，它主要实现了数据分析的五个重要环节：加载数据、整理数据、操作数据、构建数据模型、分析数据
2、安装
pip install pandas==1.1.5 -i https://pypi.tuna.tsinghua.edu.cn/simple/
3、方法示例
python
复制代码
# pandas为必要包
# numpy和matplotlib作为支撑，在pandas中经常能用到
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
python
复制代码
def pd_series():
# 创建空的Series对象
series01 = pd.Series()
print(series01)
print()
# 创建Series对象,使用列表进行初始化
series02 = pd.Series(['张三','李四', '王五', '赵六'])
print(series02)
print()
# 创建Series对象,并指定索引
series03 = pd.Series([1,2,3,4], index=['a', 'b', 'c', 'd'])
print(series03)
print()
#使用nadarray创建Series对象
arr = np.array([1,2,3,4])
series04 = pd.Series(arr)
print(series04)
print()
# 使用字典创建Series对象
dic = {'name': '张三', 'age': 18, 'sex': '男'}
series05 = pd.Series(dic)
print(series05)
print()
# 使用标量创建Series对象
# series06 = pd.Series(5)
# 指定行索引(index)，按照行索引的数量进行创建，每行的值都是标量的值
series06 = pd.Series(5, index=['a', 'b', 'c'])
print(series06)
if __name__ == '__main__':
pd_series()
Series([], dtype: object)
0 张三
1 李四
2 王五
3 赵六
dtype: object
a 1
b 2
c 3
d 4
dtype: int64
0 1
1 2
2 3
3 4
dtype: int32
name 张三
age 18
sex 男
dtype: object
a 5
b 5
c 5
dtype: int64
python
复制代码
def pd_series_atr():
s0 = pd.Series(['a','b','c','d','e'])
print(s0.axes) # 获取series对象的索引信息
print(s0.dtype) # 获取series对象的数据类型
print(s0.empty) # 判断series对象是否为空
print(s0.ndim) # 获取series对象的维度
print(s0.size) # 获取series对象的元素个数
print(s0.values)# 获取series对象的值，返回ndarray类型数组
print(s0.index) # 获取series对象的索引信息
if __name__ == '__main__':
pd_series_atr()
[RangeIndex(start=0, stop=5, step=1)]
object
False
1
5
['a' 'b' 'c' 'd' 'e']
RangeIndex(start=0, stop=5, step=1)
python
复制代码
def pd_series_method():
s0 = pd.Series(['a','b','c','d','e',None])
print(s0)
print()
print('前5个元素为:')
print(s0.head()) # 获取前5个元素,默认前5个元素，可设置参数，指定元素个数
print()
print('后5个元素为:')
print(s0.tail()) # 获取后5个元素，默认后5个元素，可设置参数，指定元素个数
print()
print('该对象元素为:')
print(s0.isnull()) # 判断series对象中每个值是否为空
print()
print('该对象元素为:')
print(s0.notnull()) # 判断series对象中每个值是否不为空
print()
print(s0.describe()) # 获取series对象的描述信息
print()
print(s0.sort_values()) # 对series对象进行排序
print()
print(s0.value_counts()) # 统计series对象中每个值出现的次数
print()
if __name__ == '__main__':
pd_series_method()
0 a
1 b
2 c
3 d
4 e
5 None
dtype: object
前5个元素为:
0 a
1 b
2 c
3 d
4 e
dtype: object
后5个元素为:
1 b
2 c
3 d
4 e
5 None
dtype: object
该对象元素为:
0 False
1 False
2 False
3 False
4 False
5 True
dtype: bool
该对象元素为:
0 True
1 True
2 True
3 True
4 True
5 False
dtype: bool
count 5
unique 5
top a
freq 1
dtype: object
0 a
1 b
2 c
3 d
4 e
5 None
dtype: object
a 1
b 1
c 1
d 1
e 1
Name: count, dtype: int64
python
复制代码
def pd_dataframe():
# 创建空的DataFrame对象
df01 = pd.DataFrame()
print(df01)
print()
# 创建DataFrame对象,使用列表进行初始化
df02 = pd.DataFrame(['张三', '李四', '王五', '赵六'])
print(df02)
print()
# 创建DataFrame对象,并指定索引
df03 = pd.DataFrame(['张三', '李四', '王五', '赵六'],columns=['name'])
print(df03)
print()
# 使用二维数组创建DataFrame对象
df04 = pd.DataFrame([['张三',21,'男'],['李四',20,'女'],['王五',19,'男']],columns=['name','age','sex'])
print(df04)
print()
# 使用字典创建DataFrame对象
df05 = pd.DataFrame({'name':['张三', '李四', '王五'],'age':[21, 20, 19],'sex':['男','女','男']})
print(df05)
print()
# 使用Series对象创建DataFrame对象
df06 = pd.DataFrame(
{'name':pd.Series(['张三', '李四', '王五']),
'age':pd.Series([21, 20, 19]),
'sex':pd.Series(['男','女','男'])
})
print(df06)
print()
if __name__ == '__main__':
pd_dataframe()
Empty DataFrame
Columns: []
Index: []
0
0 张三
1 李四
2 王五
3 赵六
name
0 张三
1 李四
2 王五
3 赵六
name age sex
0 张三 21 男
1 李四 20 女
2 王五 19 男
name age sex
0 张三 21 男
1 李四 20 女
2 王五 19 男
name age sex
0 张三 21 男
1 李四 20 女
2 王五 19 男
python
复制代码
import pandas as pd
def pd_col():
df = pd.DataFrame({'name':['张三', '李四', '王五'],'age':[21, 20, 19],'sex':['男','女','男']})
namelist = list(df['name'])
print(namelist)
print(df['age'])
# df添加新列，可使用列表、nparray、Series添加
# 列表和nparray添加时，列表长度必须与df的行数相同
# Series添加时，Series的行数可以不一致，缺省的会自动补齐
df['address'] = ['北京', '上海', '广州']
df['sex'] = pd.Series(['male', 'female', 'male'])
print(df)
# insert()方法在指定位置添加新列
# loc：指定列的索引值
# column：指定添加列的名称
# value：指定添加列的元素值
df.insert(0,'id',pd.Series([0,1,2]))
print(df)
print()
# 修改列
# df.columns = ['ID', 'name', 'age', 'sex']
# print(df)
# 删除列
# labels：指定删除的列名称
# axis：指定删除的轴，0为行，1为列
# inplace：是否在原数据上修改
df.drop(labels='id', axis=1,inplace=True)
print(f"df:{df}")
if __name__ == '__main__':
pd_col()
['张三', '李四', '王五']
0 21
1 20
2 19
Name: age, dtype: int64
name age sex address
0 张三 21 male 北京
1 李四 20 female 上海
2 王五 19 male 广州
id name age sex address
0 0 张三 21 male 北京
1 1 李四 20 female 上海
2 2 王五 19 male 广州
df: name age sex address
0 张三 21 male 北京
1 李四 20 female 上海
2 王五 19 male 广州
python
复制代码
def pd_loc():
data = {
"name":['张三', '李四', '王五', '赵六'],
"age":[21, 20, 19, 23],
"sex":['男','女','男','男'],
"address":['北京', '上海', '广州', '深圳']
}
print(data)
print()
# loc方法，根据索引获取DataFrame行或列，若获取一行或一列则返回Series对象，若获取多行或多列则返回DataFrame对象
df = pd.DataFrame(data,index=['a', 'b', 'c' , 'd'])
# 根据行索引标签获取a行的数据，返回结果是DataFrame对象,区间为闭区间
print(df.loc['a'])
print()
# 通过切片方式获取a行到c行，返回结果是DataFrame对象
print(df.loc['a':'c'])
print()
# 获取a行和B列对应数据，返回结果是一个数值
print(df.loc['a',"name"])
print()
# 获取a行、c行和A列、C列数据，返回结果是DataFrame对象
print(df.loc[['a', 'c'], ['name','age']])
print()
if __name__ == '__main__':
pd_loc()
{'name': ['张三', '李四', '王五', '赵六'], 'age': [21, 20, 19, 23], 'sex': ['男', '女', '男', '男'], 'address': ['北京', '上海', '广州', '深圳']}
name 张三
age 21
sex 男
address 北京
Name: a, dtype: object
name age sex address
a 张三 21 男 北京
b 李四 20 女 上海
c 王五 19 男 广州
张三
name age
a 张三 21
c 王五 19
python
复制代码
python
复制代码
def pd_iloc():
data = {
"name":['张三', '李四', '王五', '赵六'],
"age":[21, 20, 19, 23],
"sex":['男','女','男','男'],
"address":['北京', '上海', '广州', '深圳']
}
df = pd.DataFrame(data,index=['a', 'b', 'c' , 'd'])
# iloc方法，根据行索引所在位置进行获取，不能通过行索引或列索引标签获取数据
# 获取行索引位置为0的行数据，返回结果是DataFrame对象
print(df.iloc[0])
print()
# 通过切片方式获取行索引位置为0到2的行数据，返回结果是DataFrame对象，区间为左闭右开
print(df.iloc[0:2])
print()
#获取行索引和列索引位置的数据，返回结果为一个数值
print(df.iloc[0,1])
print()
#通过多个行索引位置和多个列索引位置获取数据，返回结果是DataFrame对象
print(df.iloc[[0, 2], [0, 2]])
print()
# 直接获取第0行到第1行的数据，区间左闭右开
print(df[0:2])
if __name__ == '__main__':
pd_iloc()
name 张三
age 21
sex 男
address 北京
Name: a, dtype: object
name age sex address
a 张三 21 男 北京
b 李四 20 女 上海
21
name sex
a 张三 男
c 王五 男
name age sex address
a 张三 21 男 北京
b 李四 20 女 上海
python
复制代码
def pd_append():
data = {"A":[1,2,3],"B":[4,5,6],"C":[7,8,9]}
df = pd.DataFrame(data,index=['a', 'b', 'c'])
s = pd.Series([10,20,30],name = 'd')
# 使用concat方法将Series添加到DataFrame
df1 = pd.concat([df, s.to_frame().T], axis=0)
print(df1)
print()
# drop:删除行，axis = 0，即按行删除
#根据行标签删除数据
df2 = df1.drop(['d'],axis=0)
print(df2)
if __name__ == '__main__':
pd_append()
A B C 0 1 2
a 1.0 4.0 7.0 NaN NaN NaN
b 2.0 5.0 8.0 NaN NaN NaN
c 3.0 6.0 9.0 NaN NaN NaN
d NaN NaN NaN 10.0 20.0 30.0
A B C 0 1 2
a 1.0 4.0 7.0 NaN NaN NaN
b 2.0 5.0 8.0 NaN NaN NaN
c 3.0 6.0 9.0 NaN NaN NaN