数据分析从入门到精通 2.pandas修真之前戏基础

从爱上自己那天起，人生才真正开始

                                                        —— 24.5.6

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类

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

        由列表创建

from pandas import Series
# Series的创建
# 由列表创建
s1 = Series(data=[1,2,3,"four"])
print(s1)
print("——————————————————————————————————————")

        由numpy数组创建

# 由numpy数组创建
import numpy as np
s2 = Series(data=np.random.randint(0,100,size=(3)))
print(s2)
print("——————————————————————————————————————")

index参数用来指定显示索引的 默认的0，1，2，3为隐式索引

# index参数用来指定显示索引的 默认的0，1，2，3为隐式索引
s3 = Series(data=[1,2,3,"four"],index=['a','b','c','d'])
print(s3)
print("——————————————————————————————————————")

        由字典创建

        为什么需要有显示索引？

                显示索引可以增强series的可读性

# 由字典创建
dic = {
    '语文':99,
    '数学':100,
    '英语':100
}
s4 = Series(data=dic)
print(s4)
print("——————————————————————————————————————")

Seires的索引和切片

dic = {
    '语文':99,
    '数学':100,
    '英语':100
}
s4 = Series(data=dic)
print(s4)
print("——————————————————————————————————————")
 
# 索引
print(s4[0])
print(s4.语文)
# 切片
print(s4[0:2])

Series的常用属性

        shape：返回数组的形状

        size：返回数组元素的个数

        index：返回数组的索引

        values：返回存储的元素值

# shape：返回数组的形状   ize：返回数组元素的个数   index：返回数组的索引   values：返回存储的元素值
s = Series(data=[1,1,4,"一切都会好的","我一直相信"])
print(f"s.shape={s.shape}")
print(f"s.size={s.size}")
print(f"s.index={s.index}")
print(f"s.values={s.values}")
print(f"s.dtype={s.dtype}")

​Series的常用方法

        head(),tail()

# 导包
import numpy as np
from pandas import Series
 
# 创建Series数组对象
s = Series(data=np.random.randint(60,100,size=(10,)))
 
# head() 显示前n个数组元素，n默认为5
print(f"s={s}")
print(f"s.head()={s.head()}") # 显示数组中前n个对象，默认n是5
print("s.head(2)={s.head(2)}")
print("——————————————————————————————————————")
 
# tail() 显示后n个数组元素，n默认为5
print(f"s={s}")
print(f"s.tail()={s.tail()}") # 显示数组中后n个对象，默认n是5
print("s.tail(2)={s.tail(2)}")
print("——————————————————————————————————————")

        unique()

# 导包
import numpy as np
from pandas import Series
 
# 创建Series数组对象
s = Series(data=np.random.randint(60,100,size=(10,)))
 
# unique()去重，去除重复的数据
print(f"s={s}")
print(f"s.unique()={s.unique()}")
print("——————————————————————————————————————")

 

        isnull(),notnull()

# 导包
import numpy as np
from pandas import Series
 
# 创建Series数组对象
s = Series(data=np.random.randint(60,100,size=(10,)))
# isnull 用于判断每个元素是否为空 如果为空返回true，否则返回false
print(f"s.isnull()={s.isnull()}")
print("——————————————————————————————————————")
 
# notnull 用于判断每个元素是否不为空 如果不为空返回true，否则返回false
print(f"s.notnull()={s.notnull()}")
print("——————————————————————————————————————")

        add()加法、 sub()减法、 mul()乘法、 div()除法

Seriese的算术法则

        —— 法则：索引一致的元素进行算术运算否则补空

DataFrame类

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
        索引所对的值：values

DataFrame的创建

        ndarray创建

# 导包
from pandas import DataFrame
import numpy as np
 
# DataFrame的创建
# ndarray创建
df1 = DataFrame(data=[[1,2,3],[4,5,6]])
print(df1)
 
df2 = DataFrame(data=np.random.randint(0,100,size=(6,4)))
print(df2)

        字典创建

# DataFrame的创建
# 字典创建
dic = {
    'name':["张三","李四","王老五"],
    "salary":[1000,2000,3000]
}
 
df3 = DataFrame(data=dic)
print(df3)

DataFrame的属性

        values： 二维数组存储的数据

        columns：返回列索引

        index：返回行索引

        shape：返回形状（几行几列）

# 导包
from pandas import DataFrame
import numpy as np
 
# DataFrame的创建
# ndarray创建
df = DataFrame(data=np.random.randint(0,100,size=(6,4)))
print(df)
print(df.values)
print(df.index)
print(df.columns)
print(df.shape)
print(df.dtypes)

练习

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

# 导包
from pandas import DataFrame
import numpy as np
 
dic = {
    "张三":[150,150,150,300],
    "李四":[0,0,0,0]
}
df = DataFrame(data=dic,index=["语文","数学","英语","理综"])
print(df)

DataFrame索引操作

        对行进行索引，取列

# 导包
from pandas import DataFrame
import numpy as np
 
# DataFrame索引操作
# 创建数据源
# 行索引是显示的，列索引是隐式的 列索引是显示的：a、b、c、d
df = DataFrame(data=np.random.randint(60,100,size=(8,4)),columns=['a','b','c','d'])
 
print("取单列：")
# 对行进行索引
# 取单列，如果df有显示的索引，通过索引机制取行或者列的时候只能使用显示索引
print(df['a'])
print("——————————————————————————————————————")
 
# 用隐式索引取单列
print("隐式索引取单列")
print(df.iloc[0])
print("——————————————————————————————————————")
 
# 取多列 需要两个中括号
print("取多列：")
print(df[['a','b','c']])
print("——————————————————————————————————————")
 
# 通过隐式索引取列
print("隐式索引取列：")
print(df.iloc[0])
print("——————————————————————————————————————")

        对列进行索引，取行

# 导包
from pandas import DataFrame
import numpy as np
 
# DataFrame索引操作
# 创建数据源
# 行索引是显示的，列索引是隐式的 列索引是显示的：a、b、c、d
df = DataFrame(data=np.random.randint(60,100,size=(8,4)),columns=['a','b','c','d'])
 
# 对列进行索引
# 隐式索引取单行
print("隐式索引取单行：")
print(df.iloc[0])
print("——————————————————————————————————————")
 
# 取多行 需要两个中括号
# 隐式索引取多行
print("隐式索引取多行：")
print(df.iloc[[0,3,5]])
print("——————————————————————————————————————")
 
# 显示索引取单行
print("显式索引取单行：")
print(df.loc[0])
 
# 显示索引取多行
# 由于数组没有显示索引，所以iloc和loc都可以求隐式索引，如果数组中有显示索引，loc后面只能跟显示索引不能跟隐式索引
print("显式索引取多行：")
print(df.iloc[[0,3,5]])
print("——————————————————————————————————————")

      对元素进行索引

# 导包
from pandas import DataFrame
import numpy as np
 
# DataFrame索引操作
# 创建数据源
# 行索引是显示的，列索引是隐式的 列索引是显示的：a、b、c、d
df = DataFrame(data=np.random.randint(60,100,size=(8,4)),columns=['a','b','c','d'])
 
# 对元素进行索引
print("对元素进行索引")
print("取单个元素")
print(df.iloc[0,2])
print(df.loc[0,'a'])
print("——————————————————————————————————————")
 
print("取多个元素")
print(df.iloc[[1, 3, 5], 2])

—— iloc：

        通过隐式索引取行

—— loc：

        通过显示索引取行

总结

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

DataFrame的运算

        —— 同Series运算一致

        —— 法则：索引一致的元素进行算术运算否则补空

        add()加法、 sub()减法、 mul()乘法、 div()除法

练习

1.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。
2.假设张三期中考试数学被发现作弊，要记为0分，如何实现?
3.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?
4.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?

# 导包
from pandas import DataFrame
 
dic = {
    "张三":[150,150,150,150],
    "李四":[0,0,0,0]
}
 
# 根据字典创建数组
df=DataFrame(data=dic,index=["语文","数学","英语","理综"])
 
# 期中考试
MidTest = df
 
# 期末考试
LastTest = df
 
# 期中+期末的平均值
print((MidTest+LastTest)/2)
 
# 张三期中作弊了，将数学分数改为0
MidTest.loc["数学","张三"] = 0
print(MidTest)
 
# 李四举报张三，将李四所有成绩+100
MidTest["李四"] += 100
print(MidTest)
 
# 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
MidTest += 10
print(MidTest)

时间数据类型的转换

pd.to_datetime(col)将某一列

# 导包
from pandas import DataFrame
import pandas as pd
 
dic = {
    'time':["2010-10-10","2011-11-20","2020-1-10"],
    "temp":[33,31,30]
}
 
df = DataFrame(data=dic)
print(df)
 
# 查看time列的类型
print(df["time"].dtype)
print("————————————————————————————————————")
# 将time列的数据类型转换成时间序列类型
df['time'] = pd.to_datetime(df["time"])
print(df)
print(df['time'].dtype)
print("————————————————————————————————————")

设置为行索引

df.set_index(

# 导包
from pandas import DataFrame
import pandas as pd
 
dic = {
    'time':["2010-10-10","2011-11-20","2020-1-10"],
    "temp":[33,31,30]
}
 
df = DataFrame(data=dic)
print(df)
 
# 将time列作为原数据的行索引,替换10，1，2
df.set_index('time', inplace=True)
print(df)