标签：10 150 df Series DataFrame dtype Pandas
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 |
标签：10,150,df,Series,DataFrame,dtype,Pandas 来源： https://www.cnblogs.com/huahuawang/p/14888934.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。