码迷,mamicode.com
首页 > 其他好文 > 详细

pandas的基本用法

时间:2019-05-06 01:27:43      阅读:142      评论:0      收藏:0      [点我收藏+]

标签:元素   table   tab   分析   参数   mamicode   报错   表格   das   

Pandas是一款数据分析工具。它内置了大量用于数据分析的方法,如:max、min、sqrt、groupby等。它最基本的数据类型只有Series和DataFrame两种。

1. Series:称为系列,我们可以看作是竖起来的list,相当于Excel表格中的一列。它常见的操作有:

在进行操作之前,需要先导入【pandas】模块:

import pandas as pd

①创建操作

方法 说明 举例
利用列表初始化创建一个Series 列表的元素对应于Series的值,其索引默认为从0开始的数字

s_from_list=pd.Series([1,2,3,4,5])

技术图片

s_from_list2=pd.Series([‘aa‘,‘bb‘,‘cc‘,‘dd‘,‘ee‘])

技术图片

 

利用列表初始化创建一个Series,并指定算定义的标签 列表的元素对应于Series的值,其数字索引仍然从0开始,但由于指定了自定义的标签,因此这个Series既有索引,还有标签,也称为双索引。

s_from_list=pd.Series([1,2,3,4,5],index=[‘A‘,‘B‘,‘C‘,‘D‘,‘E‘])

技术图片

 

利用字典初始化创建一个Series 由上面的两种方式来看,无论标签是自定义的,还是默认的索引,创建Series都不够灵活。由字典生成Series,则字典的键key变成了Series的标签,而字典的值value变成了Series的值。

s_from_dict=pd.Series({‘name‘:‘张炎‘,‘age‘:18,‘gender‘:True,‘hobby‘:‘编程‘})

技术图片

 

 

②Series查找操作:

操作目的   访问方式 举例
访问单个元素   索引
s_from_list1=pd.Series([1,2,3,4,5])
val1=s_from_list1[2]
print(val1)
技术图片

  标签
s_from_list2=pd.Series([1,2,3,4,5],index=[‘A‘,‘B‘,‘C‘,‘D‘,‘E‘])
val2=s_from_list2[‘D‘]
print(val2)
val3=s_from_list2[3]
print(val3)
技术图片
访问多个元素 连续

切片

(索引切片或标签切片)

(索引切片前闭后开)

(标签切片前闭后闭)

 
s_from_list1=pd.Series([1,2,3,4,5])
val4=s_from_list1[2:4]
print(val4)
s_from_list2=pd.Series([1,2,3,4,5],index=[‘A‘,‘B‘,‘C‘,‘D‘,‘E‘])
val5=s_from_list2[‘A‘:‘E‘:2]
print(val5)
技术图片

 


不连续 切片: 索引列表或标签列表  
s_from_list1=pd.Series([1,2,3,4,5])
val6=s_from_list1[[1,3,4]]
print(val6)
s_from_list2=pd.Series([1,2,3,4,5],index=[‘A‘,‘B‘,‘C‘,‘D‘,‘E‘])
val6=s_from_list2[[‘A‘,‘C‘,‘D‘]]
print(val6)
技术图片

 


③增操作

只有append方法,没有insert方法。

append方法的参数必须也是一个Series对象,也就是说append的参数的类型必须是Series。

append方法不会改变原来Series对象的值,会生成一个新的Series对象。如:

s_from_list1=pd.Series([1,2,3,4,5])
add_s=pd.Series(6)
new_s=s_from_list1.append(add_s)
print(s_from_list1)
print(new_s)
print(new_s.index)

技术图片

又如:

s_from_list1=pd.Series([1,2,3,4,5])
add_s=pd.Series(6,index=[7])
new_s=s_from_list1.append(add_s)
print(s_from_list1)
print(new_s)
print(new_s.index)

技术图片

④删除操作

方法drop(索引或标签)。

s_from_list1=pd.Series([1,2,3,4,5])
droped=s_from_list1.drop(2)
print(s_from_list1)
print(droped)
s_from_list2=pd.Series([1,2,3,4,5],index=[‘A‘,‘B‘,‘C‘,‘D‘,‘E‘])
droped=s_from_list2.drop(‘E‘)
print(droped)

技术图片

注:,如果索引或标签不存在,则报错,如:

droped=s_from_list2.drop(‘G‘)

技术图片

如果指定了标签,则不能用索引去删除,必须用标签去删除,否则报错,如:

s_from_list2=pd.Series([1,2,3,4,5],index=[‘A‘,‘B‘,‘C‘,‘D‘,‘E‘])
droped=s_from_list2.drop(0)

技术图片

⑤判某个值是否在Series里面

⑥修改操作

修改目的 方法 举例
修改单个元素 索引或标签
s_from_list2=pd.Series([1,2,3,4,5],index=[‘A‘,‘B‘,‘C‘,‘D‘,‘E‘])
print(s_from_list2)
s_from_list2[‘C‘]=101
print(s_from_list2)
技术图片

 


修改多个元素 切片  
s_from_list2=pd.Series([1,2,3,4,5],index=[‘A‘,‘B‘,‘C‘,‘D‘,‘E‘])
print(s_from_list2)
s_from_list2[::2]=101
print(s_from_list2)
技术图片

 

⑦重置索引操作

就是重新给Series对象s的index赋值,值为range(0,len(s)),如:

s.index=range(0,len(s))

⑧常用的属性

属性 说明 举例
index

 查看所有索引,

该属性的数据类型是:pandas.core.indexes.base.Index

s_from_list1=pd.Series([1,2,3,4,5],index=[‘A‘,‘B‘,‘C‘,‘D‘,‘E‘])
s_from_list2=pd.Series([‘aa‘,‘bb‘,‘cc‘,‘dd‘,‘ee‘])
s_from_list3=pd.Series([1,2,3,4,5],index=[1,2,3,4,5])
s_from_list4=pd.Series([1,2,3,4,5],index=range(1,6))
print(s_from_list1.index)
print(s_from_list2.index)
print(s_from_list3.index)
print(s_from_list4.index)
技术图片
values

 查看所有值,各个值之间用空格分隔,

该属性的数据类型是:numpy.ndarray

s_from_list1=pd.Series([1,2,3,4,5],index=[‘A‘,‘B‘,‘C‘,‘D‘,‘E‘])
s_from_list2=pd.Series([‘aa‘,‘bb‘,‘cc‘,‘dd‘,‘ee‘])
s_from_dict=pd.Series({‘name‘:‘张炎‘,‘age‘:18,‘gender‘:True,‘hobby‘:‘编程‘})
print(s_from_list1.values)
print(s_from_list2.values)
print(s_from_dict.values)
l=[1,2,3,4,5]
print(l)
技术图片

 


 

 

2. DataFrame:相当于Excel中的一个Sheet表。

 

pandas的基本用法

标签:元素   table   tab   分析   参数   mamicode   报错   表格   das   

原文地址:https://www.cnblogs.com/zydlh/p/10817098.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!