Pandas的常见基本使用方法操作

作者:课课家教育更新于： 2019-08-08 15:42:08

Pandas的常见基本使用方法操作，Python Data Analysis Library 或 pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。

Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现，它是使Python成为强大而高效的数据分析环境的重要因素之一。

Pandas的名称来自于面板数据（panel data）和Python数据分析（data analysis）。

Pandas是一个强大的分析结构化数据的工具集，基于NumPy构建，提供了 高级数据结构 和 数据操作工具，它是使Python成为强大而高效的数据分析环境的重要因素之一。

一个强大的分析和操作大型结构化数据集所需的工具集

基础是NumPy，提供了高性能矩阵的运算

提供了大量能够快速便捷地处理数据的函数和方法

应用于数据挖掘，数据分析

提供数据清洗功能

Series和DataFrame中的索引都是Index对象，索引对象不可变，保证了数据的安全

Index对象种类：Index，索引；Int64Index，整数索引；MultiIndex，层级索引；DatetimeIndex，时间戳类型
Pandas有两个最主要也是最重要的数据结构： Series 和 DataFrame

import pandas as pd # 导包
Series
Series是一种类似于一维数组的 对象，由一组数据（各种NumPy数据类型）以及一组与之对应的索引（数据标签）组成。

类似一维数组的对象
由数据和索引组成
索引(index)在左，数据(values)在右
索引是自动创建的

1. Series的创建
操作 代码实现 返回值 说明
通过list构建Series

pd.Series(range(10)) 新Series 自动生成索引
pd.Series(range(3), index = ['a', 'b', 'c']) 新Series 自定义索引
通过dict构建Series

pd.Series(dict) 新Series dict的key为索引，value为元素
2. Series的相关操作
操作 代码实现 返回值 说明
获取前n行数据 series.head(3) 新Series 获取前三行，默认获取前五行
获取后n行数据 series.tail(3) 新Series 获取后三行，默认获取后五行
获取index series.index RangeIndex 获取index
获取values series.values ndarray一维数组 获取所有values
运算 series * 2 新Series 索引与数据的对应关系不被运算结果影响
series > 15 新Series(bool)  
name属性 对象名 series.name 新Series  
对象索引名 series.index.name 新Series  
利用index取值 series[index]
series['b'] 对应的value值  
利用index切片 series[2:4]
series['b':'d'] 新Series 按索引名切片操作时，是包含终止索引的
不连续索引 series[[0,2,4]]
series[['b','d']] 新Series 注意是双层中括号[[…,…,…,]]
布尔索引 series1 = series > 2
series2[series1] 新Series  
DataFrame（Series容器）
DataFrame是一个表格型的数据结构，它含有一组有序的列，每列可以是不同类型的值。DataFrame既有行索引也有列索引，它可以被看做是由Series组成的字典（共用同一个索引），数据是以二维结构存放的。

类似多维数组/表格数据 (如，Excel, R中的data.frame)
每列数据可以是不同的类型
索引包括列索引和行索引

1. DataFrame的创建
操作 代码实现 返回值 说明
通过ndarray构建DataFrame

pd.DataFrame(array)

pd.DataFrame(np.random.randn(3,4), columns = ['a', 'b', 'c'])

新DataFrame 
通过多维数组（二维）构建DataFrame，自动生成行索引和列标签（列索引）

columns 指定列索引名

通过dict构建DataFrame

pd.DataFrame(dict) 新DataFrame dict的key为列标签，value为元素，自动生成行索引
dict = {'A': 1, 
            'B': pd.Timestamp('20190616'),
            'C': pd.Series(1, index=list(range(4)),dtype='float32'),
            'D': np.array([3] * 4,dtype='int32'),
            'E': ["Python","java","C++","C"],
            'F': 'tiger' }
2. DataFrame的相关操作
操作 代码实现 返回值 说明
获取前n行 dataframe.head(3) 新DataFrame 获取前三行，默认获取前五行
获取后n行 dataframe.tail(3) 新DataFrame 获取后三行，默认获取后五行
shape

dataframe.shape 元组 返回dataframe形状
获取index dataframe.index RangeIndex 获取index
columns

dataframe.columns RangeIndex DataFrame的列索引列表
获取values dataframe.values ndarray二维数组 获取所有values
获取列数据 dataframe['A'] <=> dataframe.A 新Series 通过列索引获取列数据
dataframe[['A']] 新DataFrame(只有一列) 注意是双层中括号[[…,…,…,]]
增加列数据 dataframe['G'] = series
dataframe['G'] = dataframe['A'] + 4 新DataFrame 类似Python的dict添加key-value
删除列数据 del(dataframe['G']) None  
不连续索引 dataframe[['a','c']] 新DataFrame 注意是双层中括号[[…,…,…,]]
Pandas 是python的一个数据分析包，最初由AQR Capital Management于2008年4月开发，并于2009年底开源出来，目前由专注于Python数据包开发的PyData开发team继续开发和维护，属于PyData项目的一部分。Pandas最初被作为金融数据分析工具而开发出来，因此，pandas为时间序列分析提供了很好的支持。 Pandas的名称来自于面板数据(panel data)和python数据分析(data analysis)。panel data是经济学中关于多维数据集的一个术语，在Pandas中也提供了panel的数据类型。