?一、pandas介紹

本篇程序上篇內(nèi)容，在numpy下面繼續(xù)介紹pandas，本書的作者是pandas的作者之一。pandas是非常好用的數(shù)據(jù)預(yù)處理工具，pandas下面有兩個數(shù)據(jù)結(jié)構(gòu)，分別為Series和DataFrame，DataFrame之前我在一些實戰(zhàn)案例中有用過，下面先對這兩個數(shù)據(jù)結(jié)構(gòu)做介紹。

?

二、Series

Series最簡單的一個功能就是對一組數(shù)字打上ID，用法為下

可以看到Series會自動把數(shù)字打上0~3對應(yīng)的ID，也可以對ID自定義名稱

這樣就可以用key-value的形式將序列里的值調(diào)出，也可透過索引來修改值，比如obj2['d'] = 2

如果將字典導(dǎo)入，由于字典本身就是key-value對應(yīng)的格式，所以Series也會繼續(xù)沿用這種對應(yīng)方式

?

三、DataFrame

1、表的基本操作

Dataframe同樣也是可以將字典導(dǎo)入，并會對字典做索引，如下

?

對于數(shù)據(jù)量較大的資料，可以用head( )來查看前五項的數(shù)據(jù)。

使用frame['列名稱']或是frame.列名稱的方式查看某一列的數(shù)據(jù)。使用frame.loc['索引值']可以查看某一行的數(shù)據(jù)。而frame.values則可以看到完整的行列數(shù)據(jù)

可以對選取的值進行修改，例如frame['year'] = 2000會把年份都修改成2000，del frame['year']則會把year這一列刪除， drop('1')會把這行數(shù)據(jù)刪除

如果字典導(dǎo)入時某個值缺失了會用NaN來表示

另外如果導(dǎo)入的是嵌套式字典的話則會把第一層當做列，第二層的key為行，下面為嵌套式的案例

可以看到第一層的Nevada和Ohio為列，第二層的key 2000,2001,2002 為列，缺失的數(shù)據(jù)顯示為NaN

?DataFrame可以對行和列做編輯，frame = pd.DataFrame(np.arange(9).reshape(3,3), index = [ 'a', 'c', 'd' ], colume = ['Ohio', 'Texas', 'California'])，就會成為下面的矩陣

?

2、計算

當DataFrame對兩個表進行運算時，假設(shè)一個表某個值要和另外一個表的值做計算，但是其中有一個值為空缺值（NaN），那運算的結(jié)果就會是空缺值（NaN），例如5+NaN = NaN，下面為范例說明

?

為了避免這種情況發(fā)生，我們會希望系統(tǒng)可以假設(shè)這個不存在的值為0，這樣我們的缺失值才不會在計算過程中擴散，我們希望的是5+NaN = 5， 所以就需要讓pandas在做運算的時候?qū)θ笔е笛a上數(shù)字，方法為在運算指令后面加上fill_value這個選項。

?

另外在做矩陣的計算時，如果是對單行做計算，則會使用廣播，對每行都進行一次計算，如下圖

?

?3、排序

DataFrame也可以利用sort進行排序，默認的排序方式是由小到大，最后是NaN?？梢灾付ㄒ阅沉袨榛鶞蔬M行排列，如下圖就是以b這一列為基準進行排列

另外還有一種排序方式稱為rank，他可以為Series里面的每個值大小做排序，并給與由小到大的評分（從1開始），如下圖，由于第2行的-5最小，所以rank值為1，再依序增加。

?

4、重復(fù)標簽索引

和關(guān)系型數(shù)據(jù)庫的唯一索引不同，pandas可以使用重復(fù)的索引，可使用以下代碼查看表索引是否有重復(fù)的值

使用索引查找數(shù)據(jù)時，pandas會將所有相同索引的值都返回

?

?5、統(tǒng)計

pandas支援各式各樣的統(tǒng)計，有常見的sum、mean、count等，可以可以查看圖表的各種統(tǒng)計數(shù)據(jù)，下面為幾個統(tǒng)計的指令

?

轉(zhuǎn)載于:https://www.cnblogs.com/yenpaul/p/10120430.html

總結(jié)

以上是生活随笔為你收集整理的Python for Data Analysis 学习心得（二） - pandas介绍的全部內(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。