为什么学习pandas
- numpy已经可以帮助我们进行数据的处理了，那么学习pandas的目的是什么呢？
- numpy能够帮助我们处理的是数值型的数据，当然在数据分析中除了数值型的数据还有好多其他类型的数据（字符串，时间序列），那么pandas就可以帮我们很好的处理除了数值型的其他数据！
什么是pandas？
- 首先先来认识pandas中的两个常用的类
- Series
- DataFrame
Series
-
Series是一种类似与一维数组的对象，由下面两个部分组成：
- values：一组数据（ndarray类型）
- index：相关的数据索引标签
-
Series的创建
- 由列表或numpy数组创建
- 由字典创建
from pandas import Series
s = Series(data=[1,2,3,'four'])
s
0 1
1 2
2 3
3 four
dtype: object
import numpy as np
s = Series(data=np.random.randint(0,100,size=(3,)))
s
0 53
1 24
2 35
dtype: int32
#index用来指定显示索引
s = Series(data=[1,2,3,'four'],index=['a','b','c','d'])
s
a 1
b 2
c 3
d four
dtype: object
#为什么需要有显示索引
# 显示索引可以增强Series的可读性
dic = {
'语文':100,
'数学':99,
'理综':250
}
s = Series(data=dic)
s
语文 100
数学 99
理综 250
dtype: int64
- Series的索引和切片
s[0]
s.语文
s[0:2]
语文 100
数学 99
dtype: int64
- Series的常用属性
- shape
- size
- index
- values
s.shape
s.size
s.index #返回索引
s.values #返回值
s.dtype #元素的类型
dtype('int64')
s = Series(data=[1,2,3,'four'],index=['a','b','c','d'])
s.dtype #数据类型O表示的是Object（字符串类型）
dtype('O')
- Series的常用方法
- head(),tail()
- unique()
- isnull(),notnull()
- add() sub() mul() div()
s = Series(data=np.random.randint(60,100,size=(10,)))
s.head(3) #显示前n个数据
0 99
1 99
2 88
dtype: int64
s.tail(3) #显示后n个元素
7 85
8 70
9 76
dtype: int64
s.unique() #去重
array([99, 88, 74, 72, 80, 63, 85, 70, 76])
s.isnull() #用于判断每一个元素是否为空，为空返回True，否则返回False
0 False
1 False
2 False
3 False
4 False
5 False
6 False
7 False
8 False
9 False
dtype: bool
s.notnull()
0 True
1 True
2 True
3 True
4 True
5 True
6 True
7 True
8 True
9 True
dtype: bool
- Series的算术运算
- 法则：索引一致的元素进行算数运算否则补空
s1 = Series(data=[1,2,3],index=['a','b','c'])
s2 = Series(data=[1,2,3],index=['a','d','c'])
s = s1 + s2
s
a 2.0
b NaN
c 6.0
d NaN
dtype: float64
s.isnull()
a False
b True
c False
d True
dtype: bool
DataFrame
-
DataFrame是一个【表格型】的数据结构。DataFrame由按一定顺序排列的多列数据组成。设计初衷是将Series的使用场景从一维拓展到多维。DataFrame既有行索引，也有列索引。
- 行索引：index
- 列索引：columns
- 值：values
-
DataFrame的创建
- ndarray创建
- 字典创建
from pandas import DataFrame
df = DataFrame(data=[[1,2,3],[4,5,6]])
df
| 0 | 1 | 2 | |
|---|---|---|---|
| 0 | 1 | 2 | 3 |
| 1 | 4 | 5 | 6 |
df = DataFrame(data=np.random.randint(0,100,size=(6,4)))
df
| 0 | 1 | 2 | 3 | |
|---|---|---|---|---|
| 0 | 93 | 61 | 7 | 1 |
| 1 | 89 | 41 | 29 | 16 |
| 2 | 21 | 66 | 97 | 24 |
| 3 | 56 | 96 | 13 | 87 |
| 4 | 86 | 21 | 20 | 54 |
| 5 | 19 | 18 | 96 | 7 |
dic = {
'name':['zhangsan','lisi','wanglaowu'],
'salary':[1000,2000,3000]
}
df = DataFrame(data=dic,index=['a','b','c'])
df
| name | salary | |
|---|---|---|
| a | zhangsan | 1000 |
| b | lisi | 2000 |
| c | wanglaowu | 3000 |
- DataFrame的属性
- values、columns、index、shape
df.values
df.columns
df.index
df.shape
(3, 2)
============================================
练习4：
根据以下考试成绩表，创建一个DataFrame，命名为df：
张三 李四
语文 150 0
数学 150 0
英语 150 0
理综 300 0
============================================
dic = {
'张三':[150,150,150,150],
'李四':[0,0,0,0]
}
df = DataFrame(data=dic,index=['语文','数学','英语','理综'])
df
| 张三 | 李四 | |
|---|---|---|
| 语文 | 150 | 0 |
| 数学 | 150 | 0 |
| 英语 | 150 | 0 |
| 理综 | 150 | 0 |
- DataFrame索引操作
- 对行进行索引
- 队列进行索引
- 对元素进行索引
df = DataFrame(data=np.random.randint(60,100,size=(8,4)),columns=['a','b','c','d'])
df
| a | b | c | d | |
|---|---|---|---|---|
| 0 | 75 | 69 | 79 | 67 |
| 1 | 98 | 65 | 96 | 79 |
| 2 | 71 | 82 | 91 | 92 |
| 3 | 73 | 60 | 89 | 69 |
| 4 | 70 | 74 | 64 | 79 |
| 5 | 85 | 76 | 65 | 68 |
| 6 | 81 | 62 | 89 | 76 |
| 7 | 69 | 94 | 95 | 92 |
df['a'] #取单列，如果df有显示的索引，通过索引机制去行或者列的时候只可以使用显示索引
0 75
1 98
2 71
3 73
4 70
5 85
6 81
7 69
Name: a, dtype: int32
df[['a','c']] #取多列
| a | c | |
|---|---|---|
| 0 | 95 | 83 |
| 1 | 76 | 78 |
| 2 | 69 | 89 |
| 3 | 74 | 93 |
| 4 | 75 | 93 |
| 5 | 67 | 66 |
| 6 | 95 | 71 |
| 7 | 72 | 79 |
- iloc:
- 通过隐式索引取行
- loc:
- 通过显示索引取行
#取单行
df.loc[0]
a 95
b 87
c 83
d 68
Name: 0, dtype: int64
#取多行
df.iloc[[0,3,5]]
| a | b | c | d | |
|---|---|---|---|---|
| 0 | 95 | 87 | 83 | 68 |
| 3 | 74 | 77 | 93 | 82 |
| 5 | 67 | 98 | 66 | 85 |
#取单个元素
df.iloc[0,2]
df.loc[0,'a']
95
#取多个元素
df.iloc[[1,3,5],2]
1 78
3 93
5 66
Name: c, dtype: int64
- DataFrame的切片操作
- 对行进行切片
- 对列进行切片
#切行
df[0:2]
| a | b | c | d | |
|---|---|---|---|---|
| 0 | 95 | 87 | 83 | 68 |
| 1 | 76 | 82 | 78 | 95 |
#切列
df.iloc[:,0:2]
| a | b | |
|---|---|---|
| 0 | 95 | 87 |
| 1 | 76 | 82 |
| 2 | 69 | 94 |
| 3 | 74 | 77 |
| 4 | 75 | 88 |
| 5 | 67 | 98 |
| 6 | 95 | 83 |
| 7 | 72 | 74 |
-
df索引和切片操作
- 索引：
- df[col]:取列
- df.loc[index]:取行
- df.iloc[index,col]:取元素
- 切片：
- df[index1:index3]:切行
- df.iloc[:,col1:col3]:切列
- 索引：
-
DataFrame的运算
- 同Series
============================================
练习：
-
假设ddd是期中考试成绩，ddd2是期末考试成绩，请自由创建ddd2，并将其与ddd相加，求期中期末平均值。
-
假设张三期中考试数学被发现作弊，要记为0分，如何实现？
-
李四因为举报张三作弊立功，期中考试所有科目加100分，如何实现？
-
后来老师发现有一道题出错了，为了安抚学生情绪，给每位学生每个科目都加10分，如何实现？
============================================
dic = {
'张三':[150,150,150,150],
'李四':[0,0,0,0]
}
df = DataFrame(data=dic,index=['语文','数学','英语','理综'])
qizhong = df
qimo = df
(qizhong + qizhong) / 2 #期中期末的平均值
| 张三 | 李四 | |
|---|---|---|
| 语文 | 150 | 0 |
| 数学 | 150 | 0 |
| 英语 | 150 | 0 |
| 理综 | 150 | 0 |
qizhong.loc['数学','张三'] = 0
qizhong #将张三的数学成绩修改为0
| 张三 | 李四 | |
|---|---|---|
| 语文 | 150 | 0 |
| 数学 | 0 | 0 |
| 英语 | 150 | 0 |
| 理综 | 150 | 0 |
#将李四的所有成绩+100
qizhong['李四']+=100
qizhong
| 张三 | 李四 | |
|---|---|---|
| 语文 | 150 | 100 |
| 数学 | 0 | 100 |
| 英语 | 150 | 100 |
| 理综 | 150 | 100 |
qizhong += 10
qizhong #将所有学生的成绩+10
| 张三 | 李四 | |
|---|---|---|
| 语文 | 160 | 110 |
| 数学 | 10 | 110 |
| 英语 | 160 | 110 |
| 理综 | 160 | 110 |
- 时间数据类型的转换
- pd.to_datetime(col)
- 将某一列设置为行索引
- df.set_index()
dic = {
'time':['2010-10-10','2011-11-20','2020-01-10'],
'temp':[33,31,30]
}
df = DataFrame(data=dic)
df
| time | temp | |
|---|---|---|
| 0 | 2010-10-10 | 33 |
| 1 | 2011-11-20 | 31 |
| 2 | 2020-01-10 | 30 |
#查看time列的类型
df['time'].dtype
dtype('O')
import pandas as pd
#将time列的数据类型转换成时间序列类型
df['time'] = pd.to_datetime(df['time'])
df
| time | temp | |
|---|---|---|
| 0 | 2010-10-10 | 33 |
| 1 | 2011-11-20 | 31 |
| 2 | 2020-01-10 | 30 |
df['time']
0 2010-10-10
1 2011-11-20
2 2020-01-10
Name: time, dtype: datetime64[ns]
#将time列作为源数据的行索引
df.set_index('time',inplace=True)
df
| temp | |
|---|---|
| time | |
| 2010-10-10 | 33 |
| 2011-11-20 | 31 |
| 2020-01-10 | 30 |