第五節(jié) Pandas高級數(shù)據(jù)結構

一、 Pandas介紹與安裝

1.1 為什么會有Pandas?

Pandas支持大部分Numpy語言風格，尤其是數(shù)組函數(shù)與廣播機制的各種數(shù)據(jù)處理。但是Numpy更適合處理同質型的數(shù)據(jù)。而Pandas的設計就是用來處理表格型或異質型數(shù)據(jù)的，高效的清洗、處理數(shù)據(jù)。

1.2 Pandas是什么？

Pandas是基于Numpy的一種工具，提供了高性能矩陣的運算，該工具是為了解決數(shù)據(jù)分析任務而創(chuàng)建的。也是貫穿整個Python數(shù)據(jù)分析非常核心的工具。

1.3 Pandas涉及內容

image.png

1.4 Pandas安裝

直接在dos命令行中pip install pandas 即可。

二、 Pandas數(shù)據(jù)結構介紹

2.1 Series

2.1.1 Series介紹

Series是一種一維的數(shù)組型對象，它包含了一個值序列(values)，并且包含了數(shù)據(jù)標簽，稱為索引(index)。

2.1.2 Series創(chuàng)建

pd.Series(data=None,index=None,dtype=None,name=None,copy=False)
data：創(chuàng)建數(shù)組的數(shù)據(jù)，可為array-like, dict, or scalar value
index：指定索引
dtype：數(shù)組數(shù)據(jù)類型
name：數(shù)組名稱
copy：是否拷貝

2.1.3 創(chuàng)建方式

通過列表創(chuàng)建 s = pd.Series([1,2,3])

image.png
通過元組創(chuàng)建 s1 = pd.Series((1,2,3))

image.png
通過數(shù)組創(chuàng)建

image.png
通過字典創(chuàng)建

image.png

2.1.4 Series簡單使用

series的索引與值

image.png

s.index 查看索引

image.png
s.values 查看值序列

image.png

s.reset_index(drop=False) 重置索引
drop # 是否刪除原索引默認為否

注意:索引對象是不可變的，所以不能單個修改索引

切片：下標切片是左閉右開，標簽切片是包含右邊的標簽值

image.png

image.png
Series索引與切片
s['標簽'] # 通過標簽
s['索引'] # 通過索引
s.loc(標簽) # 通過標簽
s.iloc(索引) # 通過索引
Series簡單函數(shù)

s3.isnull() # 檢查缺失值

image.png

s.head(n) # 預覽數(shù)據(jù)前5條

image.png

s.dtype # 查看數(shù)據(jù)類型
s.astype() # 修改數(shù)據(jù)類型

image.png

s.tail(n) # 預覽數(shù)據(jù)后5條

image.png

2.2 DataFrame 表格型數(shù)據(jù)結構

2.2.1 DataFrame介紹

DataFrame表示的是矩陣的數(shù)據(jù)表,它包含已排序的列集合，每一列可以是不同的值類型(數(shù)值,字符串,布爾值)。在DataFrame中，數(shù)據(jù)被存儲為一個以上的二維塊。

2.2.2 DataFrame創(chuàng)建

pd.DataFrame(data=None,index=None,columns=None,dtype=None,copy=False)
data：創(chuàng)建數(shù)組的數(shù)據(jù)，可為ndarray, dict
index：指定索引
dtype：數(shù)組數(shù)據(jù)類型
copy：是否拷貝

2.2.3 創(chuàng)建方式一：字典類

數(shù)組,列表,或者元組構成的字典構造dataframe

image.png

index屬性：行索引，列索引

image.png

可以指定行索引和列索引

image.png
series組成字典構造dataframe

image.png
字典組成字典構造dataframe

image.png