二、pandas入门

---

---

前言

• Pandas 中只有列 或者 二维表, 没有行的数据结构 (即使是行的数据, 也会通过列的方式展示)
• pamdas 中分为两大结构 分别是：Serise 和 DataFrame

---

一、Serise

• Series和Python中的列表非常相似，但是它的每个元素的数据类型必须相同

1.1 创建 Serise 对象

• Series是一种类似于一维数组的对象，由下面两个部分组成：
  • values：一组数据（numpy.ndarray类型）
  • index：相关的数据行索引标签；如果没有为数据指定索引，于是会自动创建一个0到 N - 1 (N为数据的长度) 的整数型索引。

1.1.1 自动生成索引的Serise 对象

代码如下（示例）：

import numpy as np
import pandas as pd# 创建numpy.ndarray对象
n1 = np.array([1, 2, 3])
print(n1)        # [1 2 3]
print(type(n1))  # <class 'numpy.ndarray'># 创建Series对象
s1 = pd.Series(data=n1)
print(s1)          # 0    1# 1    2# 2    3print(type(s1))    # dtype: int32# <class 'pandas.core.series.Series'># 直接创建
s2 = pd.Series(['banana', 42])
print(s2)            # 0    banana# 1        42
print(type(s2))      # dtype: object# <class 'pandas.core.series.Series'>

1.1.2 指定索引的Serise 对象

代码如下（示例）：

s2 = pd.Series(['张三','男'], index = ['Name', 'Gender'])
print(s2)     # Name      张三# Gender     男# dtype: object

1.1.3 元组跟字典创建Serise 对象

代码如下（示例）：

import pandas as pd# 使用元组
tuple1 = (1, 2, 3)
s1 = pd.Series(tuple1)
print(s1)    # 0    1# 1    2# 2    3# dtype: int64# 使用字典 字典中的key值是Series对象的索引值,value值是Series对象的数据值
dict1 = {'A': 1, 'B': 2, 'C': 3}
s2 = pd.Series(dict1)
print(s2)      # A    1# B    2# C    3# dtype: int64

1.2 Serise 的常用属性

属性	说明
loc	使用索引值取子集
iloc	使用索引位置取子集
dtype或dtypes	Series内容的类型
T	Series的转置矩阵
shape	数据的维数
size	Series中元素的数量
values	Series的值
index	Series的索引值

1.3 Serise 的常用方法

方法	说明
append	连接两个或多个Series
corr	计算与另一个Series的相关系数
cov	计算与另一个Series的协方差
describe	计算常见统计量
drop_duplicates	返回去重之后的Series
equals	判断两个Series是否相同
get_values	获取Series的值，作用与values属性相同
hist	绘制直方图
isin	Series中是否包含某些值
min	返回最小值
max	返回最大值
mean	返回算术平均值
median	返回中位数
mode	返回众数
quantile	返回指定位置的分位数
replace	用指定值代替Series中的值
sample	返回Series的随机采样值
sort_values	对值进行排序
to_frame	把Series转换为DataFrame
unique	去重返回数组
value_counts	统计不同值数量
keys	获取索引值
head	查看前5个值
tail	查看后5个值

1.4 Serise 的布尔索引

代码如下（示例）：

import pandas as pddf = pd.read_csv('文件路径.csv')
# 加入文件有八列的话 只有是True的那列能取到， 如果比八列多的话，多的部分用NAN填充
bool_values = [False, True, True, False, False, False, True, False]
df[bool_values]

1.5 Serise 的运算

• Series 和数值型变量计算时，变量会与Series中的每个元素逐一进行计算
• 两个Series之间计算时，索引值相同的元素之间会进行计算；索引值不同的元素的计算结果会用NaN值(缺失值)填充

二、DataFrame

• DataFrame是一个表格型的结构化数据结构，它含有一组或多组有序的列（Series），每列可以是不同的值类型（数值、字符串、布尔值等）。
• DataFrame是Pandas中的最基本的数据结构对象，简称df；可以认为df就是一个二维数据表，这个表有行有列有索引
• DataFrame是Pandas中最基本的数据结构，Series的许多属性和方法在DataFrame中也一样适用.

2.1 创建DataFrame对象

2.1.1 字典方式创建DataFrame对象

代码如下（示例）：

import pandas as pddict_data = {'id': [1, 2, 3],'name': ['张三', '李四', '王五'],'age': [18, 20, 22]
}
# 使用默认自增索引
# 字典中的key值是df对象的列名,value值是对应列的数据值
df1 = pd.DataFrame(data=dict_data)
print(df1)         #    id  name   age# 0   1   张三   18# 1   2   李四   20# 2   3   王五   22
print(type(df1))   # <class 'pandas.core.frame.DataFrame'># 通过index参数指定索引, columns参数指定列的位置
df2 = pd.DataFrame(data=dict_data, index=['A', 'B', 'C'], columns=['id', 'age', 'name'])
print(df2)         #    id  name   age# A   1   张三   18# B   2   李四   20# C   3   王五   22 

2.1.2 列表+元祖方式创建DataFrame对象

代码如下（示例）：

list_data = [(1, '张三', 18),(2, '李四', 20),(3, '王五', 22)]
df3 = pd.DataFrame(data=list_data,index=['A', 'B', 'C'],  # 手动指定索引columns=['id', 'name', 'age'])  # 手动指定列名
print(df3)    #    id  name  age# A   1  张三   18# B   2  李四   20# C   3  王五   22

2.2 DataFrame常用属性跟方法

2.2.1 基础演示

代码如下（示例）：

import pandas as pd# 加载数据集, 得到df对象
df = pd.read_csv('文件地址')print('=============== 常用属性 ===============')
# 查看维度, 返回元组类型 -> (行数, 列数), 元素个数代表维度数
print(df.shape)
# 查看数据值个数, 行数*列数, NaN值也算
print(df.size)
# 查看数据值, 返回numpy的ndarray类型
print(df.values)
# 查看维度数
print(df.ndim)
# 返回列名和列数据类型
print(df.dtypes)
# 查看索引值, 返回索引值对象
print(df.index)
# 查看列名, 返回列名对象
print(df.columns)
print('=============== 常用方法 ===============')
# 查看前5行数据
print(df.head())
# 查看后5行数据
print(df.tail())
# 查看df的基本信息
df.info()
# 查看df对象中所有数值列的描述统计信息
print(df.describe())
# 查看df对象中所有非数值列的描述统计信息
# exclude:不包含指定类型列
print(df.describe(exclude=['int', 'float']))
# 查看df对象中所有列的描述统计信息
# include:包含指定类型列, all代表所有类型
print(df.describe(include='all'))
# 查看df的行数
print(len(df))
# 查看df各列的最小值
print(df.min())
# 查看df各列的非空值个数
print(df.count())
# 查看df数值列的平均值
print(df.mean())

2.2.2 DataFrame的布尔索引

• 跟Series一样

2.2.3 DataFrame的计算

• 跟Series一样

2.3 DataFrame索引操作

2.3.1 set_index()函数 设置行索引名字

data = pd.read_csv('文件路径')  
data.head()data1 = data.set_index('写要设为索引的列名')# 如果加上 inplace=True, 则会修改原始的df对象
data.set_index(写要设为索引的列名', inplace=True)  
data.head()    # 原始的数据并没有发生改变.

2.3.2 加载数据的时候, 直接指定索引列

代码如下（示例）：

import pandas as pd
pd.read_csv('文件路径', index_col = '要设为索引的列名')

2.3.3 reset_index()函数, 可以重置索引

代码如下（示例）：

# 加上inplace, 就是直接修改 源数据.
data.reset_index(inplace=True) 
data.head()

2.3.4 DataFrame-修改行列索引

2.3.4.1 rename()函数, 可以对原有的行索引名 和 列名进行修改

代码如下（示例）：

data = pd.read_csv('文件路径', index_col='要设置为索引的列名')
data.index[:5]  # 前5个行索引名data.columns[:5]  # 前5个列名# 手动修改下 行索引名 和 列名
idx_rename = {'旧列名': '新列名', '旧列名': '新列名'}
col_rename = {'旧列名': '新列名', '旧列名': '新列名'}# 通过rename()函数, 对原有的行索引名 和 列名进行修改
data.rename(index=idx_rename, columns=col_rename).head()

2.3.4.2 把 index 和 columns属性提取出来, 修改之后, 再赋值回去

• index类型不能直接修改,需要先将其转成列表, 修改列表元素, 再整体替换

代码如下（示例）：

data = pd.read_csv('文件路径', index_col='指定哪一列为索引列')# 提取出 行索引名 和 列名, 并转成列表.
index_list = data.index.tolist()
columns_list = data.columns.tolist()# 修改列表元素值
index_list[0] = '新列名'
index_list[1] = '新列名'columns_list[0] = '新行名'
columns_list[1] = '新行名'# 重新把修改后的值, 设置成 行索引 和 列名
data.index = index_list
data.columns = columns_list# 查看数据
data.head(5)

2.4 添加-删除-插入列

2.4.1 添加列

• 通过 df [列名] = 值 的方式, 可以给df对象新增一列, 默认: 在 df 对象的最后添加一列

2.4.2 删除列

代码如下（示例）：

data.drop('列名')  # 报错, 需要指定方式, 按行删, 还是按列删.
data.drop('列名', axis='columns')    # 按列删
data.drop('列名', axis=1)            # 按列删, 这里的1表示: 列data.head().drop([0, 1])                # 按行索引删, 即: 删除索引为0和1的行

2.4.3 插入列

• 有点特殊, 没有inplace参数, 默认就是在原始df对象上做插入的

代码如下（示例）：

# insert() 表示插入列.   参数解释: loc:插入位置(从索引0开始计数), column=列名, value=值
# 新一列的值  还可以由原表中的两列运算所得
data.insert(loc=1, column='列名', value=data['列名'] - data['列名'])
data.head()

---

总结

• 文章总结了pandas中Series和DataFrame两个结构的属性和功能，以后碰到相关内容可以来这查看。