[人工智能自学] Python包学习-pandas

紧接上篇numpy的学习教程

本篇参考：
Pandas 教程|菜鸟教程
 官方教程 - 10分钟入门pandas¶
joyful-pandas
pandas中文教程

它建立在 NumPy 库的基础之上，提供了高效的数据结构和数据分析工具，使得在 Python 中进行数据操作变得更加容易和高效。

Pandas 提供了丰富的功能，包括：

数据清洗：处理缺失数据、重复数据等。

数据转换：改变数据的形状、结构或格式。

数据分析：进行统计分析、聚合、分组等。

数据可视化：通过整合 Matplotlib 和 Seaborn 等库，可以进行数据可视化。

核心数据结构

Series（一维数据结构）

存储不同类型的数据，如整数、浮点数、字符串等。它由一组数据和与之相关的索引组成。索引默认是从 0 开始的整数序列，但也可以自定义。

python 复制代码

s = pd.Series([1,3,5,np.nan,6,8])

0 1.0

1 3.0

2 5.0

3 NaN

4 6.0

5 8.0

dtype: float64

数据访问：

可以通过索引来访问 Series 中的元素。例如，要获取 'City B' 的人口数量，可以使用population['City B']，它会返回 200000。

DataFrame（二维数据结构）

类似于电子表格或者 SQL 表。它是一个二维表格，由行索引、列索引和数据组成。每列的数据类型可以不同。

python 复制代码

data = {'Name': ['Alice', 'Bob', 'Charlie'],
        'Math': [90, 80, 70],
        'English': [85, 75, 90]}
df = pd.DataFrame(data)

例子2：

python 复制代码

df2 = pd.DataFrame({ 'A' : 1.,
                     'B' : pd.Timestamp('20130102'),
                     'C' : pd.Series(1,index=list(range(4)),dtype='float32'),
                     'D' : np.array([3] * 4,dtype='int32'),
                     'E' : pd.Categorical(["test","train","test","train"]),
                     'F' : 'foo' })

可以通过列名来访问列数据，如df['Math']会返回包含数学成绩的 Series。也可以通过loc（基于标签的索引）和iloc（基于整数位置的索引）来访问行和列。例如，df.loc[0, 'Name']会返回第一行（索引为 0）的 'Name' 列的值，即 'Alice'；df.iloc[1, 2]会返回第二行（索引为 1）第三列（索引为 2）的值，即 90。

两个series可以拼接成1个dataFrame

series和dataframe的关系：

python 复制代码

import pandas as pd

# 创建两个Series对象
series_apples = pd.Series([1, 3, 7, 4])
series_bananas = pd.Series([2, 6, 3, 5])

# 将两个Series对象相加，得到DataFrame，并指定列名
df = pd.DataFrame({ 'Apples': series_apples, 'Bananas': series_bananas })

# 显示DataFrame
print(df)

数据读取和写入

读取数据

读取多种格式的数据，如 CSV、Excel、SQL 数据库等。

以读取 CSV 文件为例，使用read_csv函数。假设我们有一个名为 'data.csv' 的文件，其中包含一些数据：

python 复制代码

df = pd.read_csv('data.csv')

从 CSV 文件读取数据并加载为 DataFrame

filepath_or_buffer (路径或文件对象)，sep (分隔符)，header (行标题)，names (自定义列名)，dtype (数据类型)，index_col (索引列)

写入数据

可以将 DataFrame 的数据写入到各种格式的文件中。例如，要将 DataFrame 写入到 CSV 文件，可以使用to_csv函数：

python 复制代码

df.to_csv('new_data.csv', index=False)

index=False表示不将行索引写入文件。如果要写入 Excel 文件，可以使用to_excel函数。

数据处理

head()

head( n ) 方法用于读取前面的 n 行，如果不填参数 n ，默认返回 5 行。

python 复制代码

df = pd.read_csv('nba.csv')

python 复制代码

import pandas as pd

df = pd.read_csv('nba.csv')

print(df.head(10))

tail()

tail( n ) 方法用于读取尾部的 n 行，如果不填参数 n ，默认返回 5 行，空行各个字段的值返回 NaN。

info()

返回表格的一些基本信息：

python 复制代码

import pandas as pd

df = pd.read_csv('nba.csv')

print(df.info())

Excel

JSON

数据分析和操作

清洗空值

删除包含空字段的行，可以使用 dropna() 方法

python 复制代码

DataFrame.dropna(axis=0, how='any', thresh=None, subset=None, inplace=False)

axis：默认为 0，表示逢空值剔除整行，如果设置参数 axis＝1 表示逢空值去掉整列。

how：默认为 'any' 如果一行（或一列）里任何一个数据有出现 NA 就去掉整行，如果设置 how='all' 一行（或列）都是 NA 才去掉这整行。

thresh：设置需要多少非空值的数据才可以保留下来的。

subset：设置想要检查的列。如果是多个列，可以使用列名的 list 作为参数。

inplace：如果设置 True，将计算得到的值直接覆盖之前的值并返回 None，修改的是源数据。

通过 isnull() 判断各个单元格是否为空。

python 复制代码

import pandas as pd

df = pd.read_csv('property-data.csv')

print (df['NUM_BEDROOMS'])
print (df['NUM_BEDROOMS'].isnull())

Pandas 把 n/a 和 NA 当作空数据，na 不是空数据，不符合我们要求，我们可以指定空数据类型

python 复制代码

import pandas as pd

missing_values = ["n/a", "na", "--"]
df = pd.read_csv('property-data.csv', na_values = missing_values)

print (df['NUM_BEDROOMS'])
print (df['NUM_BEDROOMS'].isnull())