https://www.cnblogs.com/kylinlin/p/5226790.html
目錄：
??? 讀取數(shù)據(jù)
??? 索引
??? 選擇數(shù)據(jù)
??? 簡單運算
聲明，本文引用于：https://www.dataquest.io/mission/8/introduction-to-pandas?（建議閱讀原文）
Pandas使用一個二維的數(shù)據(jù)結(jié)構(gòu)DataFrame來表示表格式的數(shù)據(jù)，相比較于Numpy，Pandas可以存儲混合的數(shù)據(jù)結(jié)構(gòu)，同時使用NaN來表示缺失的數(shù)據(jù)，而不用像Numpy一樣要手工處理缺失的數(shù)據(jù)，并且Pandas使用軸標簽來表示行和列
讀取數(shù)據(jù)
Pandas使用函數(shù)read_csv()來讀取csv文件
import pandas
food_info = pandas.read_csv('food_info.csv')print(type(food_info))
# 輸出：<class 'pandas.core.frame.DataFrame'> 可見讀取后變成一個DataFrame變量
該文件的內(nèi)容如下：
使用函數(shù)head( m )來讀取前m條數(shù)據(jù)，如果沒有參數(shù)m，默認讀取前五條數(shù)據(jù)
first_rows = food_info.head()
first_rows = food_info.head(3)
由于DataFrame包含了很多的行和列，Pandas使用省略號（...）來代替顯示全部的行和列，可以使用colums屬性來顯示全部的列名
print(food_info.columns)
# 輸出：輸出全部的列名，而不是用省略號代替
Index(['NDB_No','Shrt_Desc','Water_(g)','Energ_Kcal','Protein_(g)','Lipid_Tot_(g)','Ash_(g)','Carbohydrt_(g)','Fiber_TD_(g)','Sugar_Tot_(g)','Calcium_(mg)','Iron_(mg)','Magnesium_(mg)','Phosphorus_(mg)','Potassium_(mg)','Sodium_(mg)','Zinc_(mg)','Copper_(mg)','Manganese_(mg)','Selenium_(mcg)','Vit_C_(mg)','Thiamin_(mg)','Riboflavin_(mg)','Niacin_(mg)','Vit_B6_(mg)','Vit_B12_(mcg)','Vit_A_IU','Vit_A_RAE','Vit_E_(mg)','Vit_D_mcg','Vit_D_IU','Vit_K_(mcg)','FA_Sat_(g)','FA_Mono_(g)','FA_Poly_(g)','Cholestrl_(mg)'], dtype='object')
可以使用tolist()函數(shù)轉(zhuǎn)化為list
food_info.columns.tolist()
與Numpy一樣，用shape屬性來顯示數(shù)據(jù)的格式
dimensions = food_info.shapeprint(dimensions)
輸出：(8618,36) 表示這個表格有8618行和36列的數(shù)據(jù)，其中dimensions[0]為8618，dimensions[1]為36
與Numpy一樣，用dtype屬性來顯示數(shù)據(jù)類型，Pandas主要有以下幾種dtype：
object -- 代表了字符串類型
int -- 代表了整型
float -- 代表了浮點數(shù)類型
datetime -- 代表了時間類型
bool -- 代表了布爾類型
當讀取了一個文件之后，Pandas會通過分析值來推測每一列的數(shù)據(jù)類型
print(food_info.dtypes)
輸出：每一列對應(yīng)的數(shù)據(jù)類型
NDB_No??????????? int64
Shrt_Desc?????????? object
Water_(g)?????????? float64
Energ_Kcal????????? int64
Protein_(g)????????? float64
...
索引
讀取了文件后，Pandas會把文件的一行作為列的索引標簽，使用行數(shù)字作為行的索引標簽
注意，行標簽是從數(shù)字0開始的
Pandas使用Series數(shù)據(jù)結(jié)構(gòu)來表示一行或一列的數(shù)據(jù)，類似于Numpy使用向量來表示數(shù)據(jù)。Numpy只能使用數(shù)字來索引，而Series可以使用非數(shù)字來索引數(shù)據(jù)，當你選擇返回一行數(shù)據(jù)的時候，Series并不僅僅返回該行的數(shù)據(jù)，同時還有每一列的標簽的名字。
譬如要返回文件的第一行數(shù)據(jù)，Numpy就會返回一個列表（但你可能不知道每一個數(shù)字究竟代表了什么）
而Pandas則會同時把每一列的標簽名返回（此時就很清楚數(shù)據(jù)的意思了）
選擇數(shù)據(jù)
Pandas使用loc[]方法來選擇行的數(shù)據(jù)
# 選擇單行數(shù)據(jù)：
food_info.loc[0]? # 選擇行標號為0的數(shù)據(jù)，即第一行數(shù)據(jù)food_info.loc[6]# 選擇行標號為6的數(shù)據(jù)，即第七行數(shù)據(jù)# 選擇多行數(shù)據(jù)：
food_info.loc[3:6]# 使用了切片，注意：由于這里使用loc[]函數(shù)，所以返回的是行標號為3，4，5，6的數(shù)據(jù)，與python的切片不同的是這里會返回最后的標號代表的數(shù)據(jù)，但也可以使用python的切片方法：food_info[3:7]
food_info.loc[[2,5,10]]# 返回行標號為2，5，10三行數(shù)據(jù)練習(xí)：返回文件的最后五行
方法一：
length = food_info.shape[0]
last_rows = food_info.loc[length-5:length-1]
方法二：
num_rows = food_info.shape[0]
last_rows = food_info[num_rows-5:num_rows]
Pandas直接把列名稱填充就能返回該列的數(shù)據(jù)
ndb_col = food_info["NDB_No"]# 返回列名稱為NDB_No的那一列的數(shù)據(jù)zinc_copper = food_info[["Zinc_(mg)","Copper_(mg)"]]# 返回兩列數(shù)據(jù)
簡單運算
現(xiàn)在要按照如下公式計算所有食物的健康程度，并按照降序的方式排列結(jié)果：
Score=2×(Protein_(g))?0.75×(Lipid_Tot_(g))
對DataFrame中的某一列數(shù)據(jù)進行算術(shù)運算，其實是對該列中的所有元素進行逐一的運算，譬如：
water_energy = food_info["Water_(g)"] * food_info["Energ_Kcal"]
原理：
由于每一列的數(shù)據(jù)跨度太大，有的數(shù)據(jù)是從0到100000，而有的數(shù)據(jù)是從0到10，所以為了盡量減少數(shù)據(jù)尺度對運算結(jié)果的影響，采取最簡單的方法來規(guī)范化數(shù)據(jù)，那就是將每個數(shù)值都除以該列的最大值，從而使所有數(shù)據(jù)都處于0和1之間。其中max()函數(shù)用來獲取該列的最大值.
food_info['Normalized_Protein'] = food_info['Protein_(g)'] / food_info['Protein_(g)'].max()
food_info['Normalized_Fat'] = food_info['Lipid_Tot_(g)'] / food_info['Lipid_Tot_(g)'].max()
food_info['Norm_Nutr_Index'] = food_info["Normalized_Protein"] * 2 - food_info["Normalized_Fat"] * 0.75注意：上面的兩個語句已經(jīng)在原來的DataFrame中添加了三列，列名分別為Normalized_Protein和Normalized_Fat，Norm_Nutr_Index。只需要使用中括號和賦值符就能添加新列，類似于字典
對DataFrame的某一列數(shù)據(jù)排序，只需要使用函數(shù)sort()即可
food_info.sort("Sodium_(mg)")# 函數(shù)參數(shù)為列名，默認是按照升序排序，同時返回一個新的DataFramefood_info.sort("Norm_Nutr_Index", inplace=True, ascending=False )# 通過inplace參數(shù)來控制在原表排序，而不是返回一個新的對象；ascending參數(shù)用來控制是否升序排序
分類:?Pandas,數(shù)據(jù)分析
