pandas庫，含有使數據清洗和分析工作變得更快更簡單的數據結構和操作工具。pandas是基于NumPy數組構建。

pandas常結合數值計算工具NumPy和SciPy、分析庫statsmodels和scikitlearn，和可視化庫matplotlib等工具一同使用。

5.1 pandas數據結構介紹

pandas的主要數據結構：Series和DataFrame

（1）Series

Series是一種類似于一維數組的對象，由一組數據（各種NumPy數據類型）以及一組與之相關的數據標簽（即索引）組成：

可通過Series的values和index屬性獲取其數組表示形式和索引對象：

可創建自定義的索引（Series的索引可以通過賦值的方式就地修改）：

1）與普通NumPy數組相比，可通過索引的方式選取Series中的單個或一組值：

2）使用NumPy函數或類似Numpy的運算（如根據布爾類型數組進行過濾、標量乘法、應用數學函數等）都會保留索引值的鏈接：

3）還可將Series看成是一個定長的有序字典，因為它是索引值到數據值的一個映射（故它可用在許多原本需要字典參數的函數中）：

4）若數據被存放在一個Python字典中，也可以直接通過這個字典來創建Series：

如果只傳入一個字典，則結果Series中的索引就是原字典的鍵（有序排列）。

5）可傳入排好序的字典的鍵以改變順序：

注意：California為新增的州，在sdata中找不到值，故結果為NaN（“非數字”， Not a Number）；原sdata中的Utah不在states中，故被從結果中剔除。

6）pandas用isnull和notnull函數檢測缺失數據（Series也有類似的實例方法 .isnull() ）：

Series類似的實例方法 .isnull() ：

*** 7）Series最重要的一個功能：根據運算的索引標簽自動對齊數據！（類似數據庫的join操作）

8）Series對象本身及其索引都有一個name屬性，該屬性跟pandas其他的關鍵功能關系非常密切：

（2）DataFrame

DataFrame是一個表格型的數據結構，含有一組有序的列，每列可以是不同的值類型（數值、字符串、布爾值等）。

DataFrame既又行索引也有列索引，可以被看做由Series組成的字典（共用同一個索引）。

1.1 ）最常用的DataFrame創建方式

直接傳入一個由等長列表或NumPy數組組成的字典：

注：結果DataFrame會自動加上索引（跟Series一樣），且全部列會被有序排列

.head() 方法可用于選取前五行：

DataFrame可通過指定列序列，對所有列按照指定順序進行排列：

如果傳入的列在數據中找不到，就會在結果中產生缺失值：

1.2 ）另一種常見的DataFrame數據創建形式是嵌套字典

用嵌套字典傳給DataFrame，pandas會被解釋為：外層字典的鍵作為列，內層鍵作為行索引

內層字典的鍵會被合并、排序以形成最終的索引。如果明確指定了索引，則會按指定順序進行排列：

1.3 ）由Series組成的字典差不多一樣的用法

2）將DataFrame的列獲取為一個Series

通過類似字典標記的方式：

屬性訪問的方式：

注：返回的Series擁有原DataFrame相同的索引

3）通過位置或名稱的方式獲取行的Series

Ps：loc屬性詳解：？？？

4）通過賦值的方式，可以對列進行修改

Ps：將列表或數組賦值給某個列時，其長度必須跟DataFrame的長度相匹配。

a）如果賦值的時一個Series，則會精確匹配DataFrame的索引，所有空位都將被填上缺失值：

b）為不存在的列賦值，會創建一個新列。關鍵字del用于刪除列

關鍵字del用于刪除列

5）對DataFrame進行轉置（交換行和列）

可使用類似NumPy數組的方法 .T：

6）DataFrame構造函數所能接受的各種數據

7）設置DataFrame的index和columns的name屬性

8）DataFrame的values屬性

跟Series一樣values屬性也會以二維nadarray的形式返回DataFrame中的數據：

注：如果DataFrame各列的數據類型不同，則值數組的dtype就會選用能兼容所有列的數據類型：

（3）索引對象

pandas的索引對象負責管理軸標簽和其他元數據（比如軸名稱等）。

構建Series和DataFrame時，所用到的任何數組或其他序列的標簽都會被轉換成一個Index：

Index對象是不可變的，無法對其進行修改。不可變，可使Index對象在多個數據結構之間安全共享：

與Python的集合不同，pandas的Index可以包含重復的標簽。

Index的方法和屬性：

總結

以上是生活随笔為你收集整理的基于python的数据分析方法五种_利用Python进行数据分析 第5章 pandas入门（1）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。