本文是作者學(xué)習(xí)課程Python數(shù)據(jù)分析與展示 北京理工大學(xué) 嵩天的簡(jiǎn)要學(xué)習(xí)筆記.

import pandas as pd

基本操作

d=pd.Series(range(20))#創(chuàng)造series
d.cumsum()#計(jì)算前n項(xiàng)和

基于兩個(gè)數(shù)據(jù)類型

• Series
• DataFrame
  的四個(gè)操作
• 基本操作
• 運(yùn)算操作
• 特征類操作
• 關(guān)聯(lián)類操作
  對(duì)比NumPy和Pandas
  |NumPy|Pandas|
  |:|:|
  |基礎(chǔ)數(shù)據(jù)類型|擴(kuò)展數(shù)據(jù)類型|
  |關(guān)注數(shù)據(jù)的結(jié)構(gòu)表達(dá)|關(guān)注數(shù)據(jù)的應(yīng)用表達(dá)|
  |維度:數(shù)據(jù)間關(guān)系|數(shù)據(jù)和索引之間關(guān)系|

Series
由一組數(shù)據(jù)機(jī)器相關(guān)聯(lián)的數(shù)據(jù)索引組成

d=pd.Series(range(20))#傳入一個(gè)列表創(chuàng)造series,pandas會(huì)為其自動(dòng)創(chuàng)造索引
#或者傳第二個(gè)參數(shù)--一個(gè)列表給參數(shù)index,這樣可以自助定義索引

Series可以通過(guò)以下類型創(chuàng)建

• Python列表
• index和列表元素一致
• 標(biāo)量值
• index表示其尺寸
• Python字典 {key:value,...}
• 可以傳入index對(duì)參數(shù)順序進(jìn)行規(guī)范
• ndarray
• n=pd.Series(np.arange(5))
• 其他函數(shù)
• 如range()

Series類型的基本操作

 b=pd.Series([9,8,7,6],['a','b','c','d'])
 b.index
 b.values
 b['b']
 b[1]
 #自動(dòng)索引和自定義索引并存,但是不能混用不然自動(dòng)產(chǎn)生的index會(huì)NaN
 #可以用ndarray的操作方法里的ndarray進(jìn)行切片
 #如果切片了好幾個(gè)鍵值對(duì)會(huì)默認(rèn)生成新Series然而切片一個(gè)就只會(huì)直接訪問(wèn) 
 'c' in b
 b.get('f',100)
 
# Series+Series
#索引不同的不運(yùn)算(NaN)索引相同的進(jìn)行運(yùn)算
b.name#對(duì)象的名字
b.index.name#索引的名字

#Series隨時(shí)修改,立刻生效

DataFrame的本質(zhì)是多列數(shù)據(jù)共用一列索引,縱向的column axis=1,橫向的index axis=0;常用于二維數(shù)據(jù)
創(chuàng)建DataFrame
DataFrame類型的基本操作

• 二維ndarray
• 一維ndarray\列表\字典\元組\Series字典
• Series
• 其他DataFrame

d = pd.DataFrame(np.arange(10).reshape(2,5))
dt = {'one':pd.Series([1,2,3],index={'a','b','c'}),'two':pd.Series([9,8,7,6],index=['a','b','c','d'])}
d=pd.DataFrame(dt)
dp.DataFrame(dt,index=[],columns=[])
#調(diào)整dt的行列
d.columns
d.values
d.index
d.ix['']#生成一行新的對(duì)象
d[][]#支持聯(lián)合索引的二位帶標(biāo)簽數(shù)組
d.reindex()#傳列表參數(shù)給index或者column參數(shù)
d.columns.delete()
d.index.insert()

pandas庫(kù)的數(shù)據(jù)類型運(yùn)算

• 算數(shù)運(yùn)算法則
• 根據(jù)行列索引補(bǔ)齊之后運(yùn)算,默認(rèn)產(chǎn)生浮點(diǎn)數(shù)
• 不起的時(shí)候填nan
• 高低維之間采用廣播運(yùn)算
• 四則運(yùn)算可以采用方法運(yùn)算
• .add() .sub() .mul() .div()
• fill_value參數(shù)可以替代nan賦初值
• 可以考慮布爾型對(duì)象

摘要的過(guò)程:有損地利用數(shù)據(jù)對(duì)數(shù)據(jù)進(jìn)行處理.
數(shù)據(jù)基本處理
數(shù)據(jù)的排序

a.sort_index(axis=0,ascending=True)#在指定軸上根據(jù)索引進(jìn)行排序,默認(rèn)升序 
 #也可以對(duì)縱軸進(jìn)行排序
 Series.sort_values(axis=0,ascending=True)
 DataFrame.sort_values(by,axis=0,ascending=True)#by表示排序軸的索引 NaN項(xiàng)被放在末尾

基本統(tǒng)計(jì)分析方法

累計(jì)統(tǒng)計(jì)分析方法

相關(guān)分析方法

Pandas官方網(wǎng)站

Python數(shù)據(jù)分析與展示 北京理工大學(xué) 嵩天