Python 數據分析與展示筆記4 – Pandas 庫基礎

---

Python 數據分析與展示系列筆記是筆者學習、實踐Python 數據分析與展示的相關筆記

課程鏈接： Python 數據分析與展示

參考文檔：
Numpy 官方文檔（英文）
Numpy 官方文檔（中文）
PIL 官方文檔
Matplotlib 官方文檔
Pandas 官方文檔（英文）
Pandas 官方文檔（中文）
Pandas 官方文檔PDF下載

---

一、Pandas

---

1、安裝、導入 Pandas

# 安裝 pip3 install pandas# 導入 import pandas as pd

2、Pandas 簡介

• Pandas 是 Python 第三方庫，提供高性能易用數據類型和分析工具
• Pandas 基于 NumPy 實現，提供更多樣的索引，除了自動索引，可以添加自定義索引
• 使用索引時只能使用自動索引/自定義索引，不能混合使用

---

二、 Pandas 數據類型

---

1、Series 類型

Series是帶索引標簽的一維數組

創建 Series 類型： 可以基于以下類型創建

• 標量值
• Python 列表
• Python 字典
• 一維 ndarray 數組
• 其他函數

import pandas as pd import numpy as np# 基于標量值創建 s = pd.Series(10, index=['a', 'b']) print(s)>>> a 10b 10dtype: int64# 基于列表創建 s = pd.Series([1, 2], index=['a', 'b']) print(s)>>> a 1b 2dtype: int64# 基于字典創建，index 可以從字典的鍵值選擇需要的，沒有的話用 NaN填充 s = pd.Series({'b': 1, 'a': 2, 'c': 3}, index=['a', 'b', 'd']) print(s)>>> a 2.0b 1.0d NaNdtype: float64# 基于 ndarray 數組創建，index 也可以是 ndarray 數組 s = pd.Series(np.arange(3), index=np.arange(5, 0, -2)) print(s)>>> 5 03 11 2dtype: int32

Series 類型的基本操作：

• Series 類型包括 index 和 values 兩部分，.index 獲得索引
  .values 獲得數據
• Series 類型的操作類似 ndarray 類型，索引、切片、使用 numpy 函數
• Series 類型的操作類似 Python 字典類型，in、.get()
• Series 對象和索引都可以有一個名字，存儲在屬性.name中，可以修改
• Series 類型在運算中會自動對齊不同索引的數據，各自沒有的索引其值賦為 NaN 再運算

import pandas as pd import numpy as np# 創建一個 Series 數組 s = pd.Series([1, 2, 3], index=['a', 'b', 'c'])# 獲得索引 s.index >>> Index(['a', 'b', 'c'], dtype='object')# 獲得數據 s.values >>> [1 2 3]# 索引訪問數據，自動索引和自定義索引并存，但兩套索引并存，但不能混用 s[['a', 'b']] >>> a 1b 2s[0] >>> 1# 切片 s[:2] >>> a 1b 2# numpy 運算函數 np.exp(s) >>> a 2.718282b 7.389056c 20.085537dtype: float64# in 操作 'b' in s >>> True# .get() 操作 s.get('d', 4) >>> 4# 修改Series 對象和索引名稱 print(s.name) print(s.index.name) s.name = 'series name' s.index.name = 'index name' print(s.name) print(s.index.name) >>> NoneNoneseries nameindex name# Series 運算對齊索引 a = pd.Series([1, 2], ['a', 'b']) b = pd.Series([2, 3], ['b', 'd']) a + b >>> a NaNb 4.0d NaNdtype: float64

2、DataFrame

DataFrame 是一個表格型的數據類型，每列值類型可以不同，既有行索引、也有列索引，常用于表達二維數據，但可以表達多維數據

創建 Series 類型： 可以基于以下類型創建

• 二維 ndarray 對象
• 由一維 ndarray、列表、字典、元組或 Series 構成的字典
• Series 類型
• 其他的 DataFrame 類型

import pandas as pd import numpy as np# 基于二維 ndarray 對象創建 d = pd.DataFrame(np.arange(4).reshape(2, 2)) print(d) >>> 0 10 0 11 2 3# 基于 Series 字典 d = pd.DataFrame({'one': pd.Series([1, 2], ['a', 'b']),'two': pd.Series([3, 4], ['a', 'b'])}) print(d) >>> one twoa 1 3b 2 4# 基于列表類型的字典創建 d = pd.DataFrame({'one': [1, 2], 'two': [3, 4]}) print(d) >>> one two0 1 31 2 4

DataFrame 索引類型的基本操作：

方法說明

.reindex()	改變或重排Series和DataFrame索引
.drop()	刪除Series和DataFrame指定行或列索引
.delete(loc)	刪除loc位置處的元素
.insert(loc,e)	在loc位置增加一個元素e
.append(idx)	連接另一個Index對象，產生新的Index對象
.diff(idx)	計算差集，產生新的Index對象
.intersection(idx)	計算交集
.union(idx)	計算并集

DataFrame 算術運算的基本操作：

方法說明

.add(d, **argws)	加法運算，+
.sub(d, **argws)	減法運算，-
.mul(d, **argws)	乘法運算，*
.div(d, **argws)	除法運算，/

---

GOOD LUCK!

---

總結

以上是生活随笔為你收集整理的Python 数据分析与展示笔记4 -- Pandas 库基础的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。