Pandas 的使用

安装

　　 pip3 install pandas

导入

　　import pandas as pd  # 约定俗成 起别名为 pd

Series

　　Series 是一种类似于 一维数组的对象，由一组数据和一组与之相关的数据标签（索引）组成

　　创建：

第一种：
pd.Series([4,5,6,7,8])
执行结果：
0    4
1    5
2    6
3    7
4    8
dtype: int64
# 将数组索引以及数组的值打印出来，索引在左，值在右，由于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，
# 取值的时候可以通过索引取值，跟之前学过的数组和列表一样
-----------------------------------------------
第二种：
pd.Series([4,5,6,7,8],index=['a','b','c','d','e'])
执行结果：
a    4
b    5
c    6
d    7
e    8
dtype: int64
# 自定义索引，index是一个索引列表，里面包含的是字符串，依然可以通过默认索引取值。
-----------------------------------------------
第三种：
pd.Series({"a":1,"b":2})
执行结果：
a    1
b    2
dtype: int64
# 指定索引
-----------------------------------------------
第四种：
pd.Series(0,index=['a','b','c'])
执行结果：
a    0
b    0
c    0
dtype: int64
# 创建一个值都是0的数组
-----------------------------------------------

 　　数据缺失

　　　　　　dropna()：过滤掉值为NaN的行 参数 inplace=True：设置后再打印原本数据则为真的去掉了

　　　　　　fillna()：填充缺失数据 参数 inplace=True：设置后再打印原本数据则为真的替换了

　　　　　　isnull()：返回布尔值数组，缺失值对应为True ---> 可以作为布尔值索引

　　　　　　notnull()：返回布尔值数组，缺失值对应为False ---> 可以作为布尔值索引

---

　　特性 

　　　　1：从 ndarray 创建Series ---> Series(arr) ---> 常用

　　　　2：与标量（数字）运算 ---> sr * 2

　　　　3：两个 Series 运算

　　　　4：通用函数 ---> np.abs(sr)

　　　　5：布尔值过滤 ---> sr[sr>0]

　　　　6：统计函数 ---> mean()、sum()、cumsum()...

　　　　7：从字典创建 Series ---> Series(dic)

　　　　8：in 运算 ---> 'a' in sr 、 for a in sr....

　　　　9： 键索引 ---> sr['a'] 和 sr[['a', 'b', 'c']] 花式索引

　　　　10：键切片 ---> sr['a':'c']

　　　　11：其他函数 ---> 如：get()等

　　　　......

---

 

　　整数索引  　　　　

　　　　loc：标签索引（index）竖向

　　　　iloc：下标索引（value）横向

---

 　　Series 数据对齐

　　　　　pandas 在运算时候，会按照索引进行对齐然后计算。如果存在不同的索引，则结果的索引是两个操作索引的并集

----------------------------------------------------------------------------
sr1 = pd.Series([12,23,34], index=['c','a','d'])
sr2 = pd.Series([11,20,10], index=['d','c','a',])
sr1 + sr2
# 运行结果:
a    33
c    32
d    45
dtype: int64
# 可以通过这种索引对齐直接将两个Series对象进行运算
----------------------------------------------------------------------------
sr3 = pd.Series([11,20,10,14], index=['d','c','a','b'])
sr1 + sr3
# 运行结果：
a    33.0
b     NaN
c    32.0
d    45.0
dtype: float64
# sr1 和 sr3的索引不一致，所以最终运行会发现b索引对应的值无法运算，就返回了NaN,一个缺失值
----------------------------------------------------------------------------
----------------------------------------------------------------------------
# 将缺失值设为0(fill_value参数)，所以最后算出来b索引对应的结果为14
# 此外，还可以使用 sub/div/mul等方法
sr1 = pd.Series([12,23,34], index=['c','a','d'])
sr3 = pd.Series([11,20,10,14], index=['d','c','a','b'])
sr1.add(sr3, fill_value=0)
运行结果：
a    33.0
b    14.0
c    32.0
d    45.0
dtype: float64
----------------------------------------------------------------------------

DateFrame　　　

　　是一个 表格型的数据结构，相当于是一个二维数组，包含一组有序的列（索引）

　　也可以被当做是由 Series 组成的字典， 并且公用一个字典

　　创建：

第一种：
pd.DataFrame({'one':[1,2,3,4],'two':[4,3,2,1]})
# 产生的 DataFrame 会自动为 Series 分配索引，并且列会按照排序的顺序排列
运行结果：
   one two
0   1   4
1   2   3
2   3   2
3   4   1

> 指定列
可以通过 columns 参数指定顺序排列
data = pd.DataFrame({'one':[1,2,3,4],'two':[4,3,2,1]})
pd.DataFrame(data,columns=['one','two'])
# 打印结果会按照columns参数指定顺序
----------------------------------------------------------------------------
第二种：
pd.DataFrame({'one':pd.Series([1,2,3],index=['a','b','c']),'two':pd.Series([1,2,3],index=['b','a','c'])})
运行结果：
   one  two
a   1   2
b   2   1
c   3   3

　　常用属性和方法

　　　　index：获取行索引

　　　　columns：获取列索引

　　　　T：转置

　　　　values：获取值

　　　　describe：获取快速统计信息（个数、平均值、标准差、最大最小值等）

---

　　索引

　　　　同样有行索引和列索引，可以使用标签（index）和位置（value）两种方法进行索引和切片

---

　　切片　　

　　　　方法一：两个中括号 ---> 先取列再取行

　　　　方法二：（推荐）使用 loc / iloc 属性 ---> 一个中括号，逗号隔开，先取行再取列

　　　　　　　　　　loc ：index

　　　　　　　　　　iloc：value

---

　　时间对象

　　　　详见：https://www.cnblogs.com/xiaoyuanqujing/articles/11646477.html

---

　　数据的分组和聚合　　　　

　　　　分组关键字：groupby

　　　　集合函数：size()、mean()、sum()、first()、last()等

　　　　此外，得到的分组数据还可以进行排序

　　　　　　　sort_values(ascending=True) 根据值排序，ascending=True则代表升序，False代表降序

　　　　　　　sort_index(ascending=True) 根据索引排序

　　　　小例子：

# 分析欧洲杯和欧洲冠军联赛决赛名单
import pandas as pd

url="https://en.wikipedia.org/wiki/List_of_European_Cup_and_UEFA_Champions_League_finals"
eu_champions=pd.read_html(url)  # 获取数据
a1 = eu_champions[2]    # 取出决赛名单
a1.columns = a1.loc[0]  # 使用第一行的数据替换默认的横向索引
a1.drop(0,inplace=True)  # 将第一行的数据删除
a1.drop('#',axis=1,inplace=True)  # 将以#为列名的那一列删除
a1.columns=['Season', 'Nation', 'Winners', 'Score', 'Runners_up', 'Runners_up_Nation', 'Venue','Attendance']  # 设置列名

a1.tail()  # 查看后五行数据
a1.drop([64,65],inplace=True)  # 删除其中的缺失行以及无用行
a1  # 查看a1

　　补充：

　　　　read_文件类型(位置) ---> 读取文件数据

　　　　read_html(url) ---> 获取指定 url 页面中的所有表格数据，每个表格代表一个元素，可以根据索引取出

　　　　to_文件类型(位置) ---> 保存数据，可以指定参数 index=False 这样可以不保存自动生成的 index