羊村懒王

这个屌丝很懒，什么也没留下！

热门标签

Python学习笔记（十七）——Pandas库

作者：羊村懒王 | 2024-04-18 18:13:03

踩

pandas库

数组只能存储一种类型的数据，同时，数组提供了许多方便统计计算的功能（如平均值 mean 、标准差 std 等）

pandas与numpy的区别

pandas 是基于 numpy 数组构的，但二者最大的不同是 pandas 是专门为处理表格和混杂数据设计的，比较契合统计分析中的表结构，而 numpy 更适合处理统一的数值数组数据。

举个例子进行对比


chengji=[['', '期末', '期末'], ['张三',50, 80], ['李四', 60, 90], ['王老五', 70, 89]]
np.array(chengji)
 
#array([['', '期末', '期末'],
#['张三', '50', '80'],
#['李四', '60', '90'],
#['王老五', '70', '89']], dtype='<U3')

上图是使用numpy得出的结果


dic={ ' 期 中 ':[50,60,70], ' 期 末':[80,90,89]}
pd.DataFrame(dic,index=['张三','李四','王老五'])

上图是使用pandas得出的结果

Pandas库简介

pandas官网

pandas扩展包的安装

win+R打开命令行
输入pip install pandas

pandas扩展包的调用

import pandas as pd

pandas数据结构

pandas库的理解

Numpy	Pandas
基础数据类型	扩展数据类型
关注数据的结构表达	关注数据的应用表达
维度：数据间的关系	数据与索引间的关系

相同操作，输出形式对比：


np.arange(4)
 
#array([0,1,2,3])


pd.Series(np.arange(4))
#0 0
#1 1
#2 2
#3 3
#dtype: int32

可以看出使用pandas库可视化程度更高，能以比较清晰直观的形式展现处理后的数据

series对象类型

Series 是一种类似于一维数组的对象，它由一组数据以及一组与之相关的索引组成，仅由一组数据即可产生最简单的Series

series对象的创建

dp.Serise(obj=None, index=None, dtype=None)

对象的类型

• 标量或 Python 列表

• Python 字典

• Ndarray

• 其他函数

index

• 自动生成

• 人为指定

并存，但不能混用

创建时注意事项

标量值， index 表达 Series 类型的尺寸

Python 列表， index 与列表元素个数一致

Python 字典，键值对中的“键”是索引， index 从字典中进行选择操作

ndarray ，索引和数据都可以通过 ndarray 类型创建

其他函数， range() 函数等


b=pd.Series([9,8,7],['a','b','c'])
#b
#a 9
#b 8
#c 7
#dtype: int64


>>> b.values
array([9, 8, 7], dtype=int64)
>>>b.index #索引
Index(['a', 'b', 'c'], dtype='object’)


>>> b.index.name='索引' #定义索引的名字
>>> b.name='Series对象' #对象名
>>> b
索引
a 9
b 8
c 7
Name: Series对象, dtype: int64

Series 类型的索引操作类似 ndarray 类型：

• 索引方法相同，采用 []

• NumPy 中运算和操作可用于 Series 类型

• 可以通过自定义索引的列表进行切片

• 可通过自动索引进行切片，如果存在自定义索引，则一同被切片


>>> b=pd.Series([9,8,7],['a','b','c'])
>>> b
a 9
b 8
c 7
dtype: int64
 
>>> b[b>=b.median()]
a 9
b 8
dtype: int64
 
>>> np.exp(b)
a 8103.083928
b 2980.957987
c 1096.633158
d 403.428793
dtype: float64

Series 类型的操作类似 Python 字典类型：

• 通过自定义索引访问

• 保留字 in 操作：判定给定的索引值是否在索引序列中

• 使用 .get() 方法：类似于字典中的 get 方法


>>> b=pd.Series([9,8,7],['a','b','c'])
>>> b
a 9
b 8
c 7
dtype: int64
 
>>> b['a']
9
>>> 'c' in b
True
 
>>> b.get('a')
9

series常用函数

DataFrame对象类型

DataFrame类型由共用相同索引的一组列组成。
DataFrame是一个表格型的数据类型，每列值类型可以不同
DataFrame既有行索引(index)、也有列索引(columns)
DataFrame常用于表达二维数据，但可以表达多维数据。

DataFrame创建

pd.DataFrame(data=None, index=None, columns=None, dtype=None)

主要待创建 obj 类型：

• 二维 ndarray 对象

• 由一维 ndarray 、列表、字典、元组或 Series 构成的字典

• Series 类型

• 其他的 DataFrame 类型

columns，index 分别为指定行和列的索引值，列表类型。


df=pd.DataFrame(np.random.randint(60,100,size=(2,3)),index=['期中','期末'],columns=['张三','李四','王老五'])
 
>>> df.values
array([[70, 92, 72],
[60, 60, 88]])
>>> df.shape
(2,3)
 
>>> df.index
Index(['期中', '期末'], dtype='object')
>>> df.columns
Index(['张三', '李四', '王老五'], dtype='object')
 
>>> df.describe()
张三 李四 王老五
count 2.000000 2.000000 2.000000
mean 65.000000 76.000000 80.000000
std 7.071068 22.627417 11.313708
min 60.000000 60.000000 72.000000
25% 62.500000 68.000000 76.000000
50% 65.000000 76.000000 80.000000
75% 67.500000 84.000000 84.000000
max 70.000000 92.000000 88.000000

根据行列参数索引。


>>> df.['x']
a 0
b 3
c 6
Name: x, dtype: int32

根据整数位置参数索引


>>> df.iloc[1,:]
x 3
y 4
z 5
Name:b, dtype: int32

某个轴上拥有多个索引级别


>>> df.['x','z']
a 0 2
b 3 5
c 6 8

列索引

通过类似字典的方式：

某一列 : obj[ 列索引值 ]


>>> df['qizhong']
张三 50
李四 60
王老五 70
Name: qizhong, dtype: int64

多列 : obj[ 列索引值列表 ]


>>> df[['qizhong', 'qimo']]
qizhong qimo
张三 50 80
李四 60 90
王老五 70 89

行索引

使用 .loc[] 加 index 来进行行索引

某一行 : obj.loc[ 行索引值 ]


>>> df.loc['张三']
qizhong 50
qimo 80
Name: 张三, dtype: int64

多行 : obj[ 行索引值列表 ]


>>> df.loc[['李四', '张三']]
qizhong qimo
李四 60 90
张三 50 80

效果图

位置索引

iloc 函数索引的数据是 int 整型， Python 默认的前闭后开。索引方式与数组类似

连续索引与不连续索引

df=pd.DataFrame(np.arange(16).reshape((4,4)),index=["a","b","c","d"],columns=["w","x","y","z"])

连续索引：索引值为切片


>>> df.loc['a':'c']
>>> df.iloc[:3, :]
w x y z
a 0 1 2 3
b 4 5 6 7
c 8 9 10 11

不连续索引：索引值为列表


>>> df[['w', 'y']]
>>> df.iloc[:, [0,2]]
w y
a 0 2
b 4 6
c 8 10
d 12 14

重新索引

.reindex() 能够改变或重排 Series 和 DataFrame 索引

实例

删除指定索引

.drop() 能够删除 Series 和 DataFrame 指定行或列索引

pd.drop(labels, axis=0)


>>> d
城市 环比 同比 定基
0 北京 101.5 120.7 121.4
1 上海 101.2 127.3 127.8
2 广州 101.3 119.4 120.0
3 深圳 102.0 145.5 125.3
4 沈阳 101.1 101.4 101.6


>>> d.drop(3)
城市 环比 同比 定基
0 北京 101.5 120.7 121.4
1 上海 101.2 127.3 127.8
2 广州 101.3 119.4 120.0
4 沈阳 101.1 101.4 101.6
>>> d.drop('同比', axis =1)
城市 环比 定基
0 北京 101.5 121.4
1 上海 101.2 127.8
2 广州 101.3 120.0
4 沈阳 101.1 101.6

Pandas库常用操作

算数运算法则

• 算术运算根据行列索引，补齐后运算，运算默认产生浮点数；

• 补齐时缺项填充 NaN ( 空值 ) ；

• 采用 + ‐ * / 符号进行的二元运算产生新的对象；

• 二维和一维、一维和零维间为广播运算；

实例


a=pd.DataFrame(np.arange(12).reshape((3,4))) 
b=pd.DataFrame(np.arange(20).reshape((4,5)))

运算结果为浮点型；

hape大小不一致，缺失部分元素以NaN补全


>>> a
0 1 2 3
0 0 1 2 3
1 4 5 6 7
2 8 9 10 11
 
>>> b
0 1 2 3 4
0 0 1 2 3 4
1 5 6 7 8 9
2 10 11 12 13 14
3 15 16 17 18 19

方法形式的运算

实例


>>> a
0 1 2 3
0 0 1 2 3
1 4 5 6 7
2 8 9 10 11
 
>>> b
0 1 2 3 4
0 0 1 2 3 4
1 5 6 7 8 9
2 10 11 12 13 14
3 15 16 17 18 19
 
#加法
>>> b.add(a, fill_value=100)
0 1 2 3 4
0 0.0 2.0 4.0 6.0 104.0
1 9.0 11.0 13.0 15.0 109.0
2 18.0 20.0 22.0 24.0 114.0
3 115.0 116.0 117.0 118.0 119.0
 
#乘法
>>> b.mul(b, fill_value=0)
0 1 2 3 4
0 0.0 1.0 4.0 9.0 0.0
1 20.0 30.0 42.0 56.0 0.0
2 80.0 99.0 120.0 143.0 0.0
3 0.0 0.0 0.0 0.0 0.0

Series与Dataframe之间的计算

使用 Python 操作符：

• 以行为单位操作（参数必须是行），对所有行都有效。（类似于 numpy 中二维数组与一维数

组的运算，但可能出现 NaN ）

使用 pandas 操作函数：

• axis=0 ：以列为单位操作（参数必须是列），对所有列都有效。

• axis=1 ：以行为单位操作（参数必须是行），对所有行都有效。

传播运算（标量运算）

不同维度数据类型之间的运算。

标量与 Seriers 或 DataFrame 之间的运算（各元素均与标量运算）


>>> c=pd.Series(np.arange(3))
0 0
1 1
2 2
dtype: int32
>>> c+1
0 1
1 2
2 3
dtype: int32
 
>>> a=pd.DataFrame(np.arange(12).reshape((3,4)))
0 1 2 3
0 0 1 2 3
1 4 5 6 7
2 8 9 10 11
>>> a+1
0 1 2 3
0 1 2 3 4
1 5 6 7 8
2 9 10 11 12

使用 Python 操作符：

• 以行为单位操作（参数必须是行），对所有行都有效。（类似于 numpy 中二维数组与一维数

组的运算，但可能出现 NaN ）

使用 pandas 操作函数：

• axis=0 ：以列为单位操作（参数必须是列），对所有列都有效。

• axis=1 ：以行为单位操作（参数必须是行），对所有行都有效。

传播运算（标量运算）

不同维度数据类型之间的运算。

标量与 Seriers 或 DataFrame 之间的运算（各元素均与标量运算）


>>> c=pd.Series(np.arange(3))
0 0
1 1
2 2
dtype: int32
>>> c+1
0 1
1 2
2 3
dtype: int32
 
>>> a=pd.DataFrame(np.arange(12).reshape((3,4)))
0 1 2 3
0 0 1 2 3
1 4 5 6 7
2 8 9 10 11
>>> a+1
0 1 2 3
0 1 2 3 4
1 5 6 7 8
2 9 10 11 12

算数运算（传播机制）

默认 Seriers 参与 DataFrame 的行运算

将 Series 的索引匹配到 DataFrame的行，然后行一直向下传播。缺失元素 Nan 补全。


>>> c=pd.Series(np.arange(4))
>>> a=pd.DataFrame(np.arange(12).reshape((3,4)))

比较运算规则

二维和一维、一维和零维间为广播运算

采用 > < >= <= == != 等符号进行的二元运算产生布尔对象

不同维度，广播运算，默认在 1 轴 ( 行 )


>>> c=pd.Series(np.arange(4))
>>> a=pd.DataFrame(np.arange(12).reshape((3,4)))

索引的排序

• .sort_index() 方法在指定轴上根据索引进行排序，默认在 0 轴升序。

.sort_index(axis=0, ascending=True)


>>> b
0 1 2 3 4
c 0 1 2 3 4
a 5 6 7 8 9
d 10 11 12 13 14
b 15 16 17 18 19
 
>>> c=b.sort_index()
0 1 2 3 4
a 5 6 7 8 9
b 15 16 17 18 19
c 0 1 2 3 4
d 10 11 12 13 14
 
>>> c.sort_index(axis=1,ascending=False)
4 3 2 1 0
a 9 8 7 6 5
b 19 18 17 16 15
c 4 3 2 1 0
d 14 13 12 11 10

.sort_values() 方法在指定轴上根据数值进行排序，默认升序

DataFrame.sort_values(by=‘##’,axis=0,ascending=True, inplace=False)


a = [[9,3,1],[1,2,8],[1,0,5]]
data = pd.DataFrame(a, index=["0", "2", "1"], columns=["c", "a", "b"])


idx = pd.MultiIndex.from_tuples([('a', 1), ('a', 2), ('a', 2), ('b', 2), ('b', 1), ('b', 1)]) 
idx.names = ['first', 'second']
df_multi = pd.DataFrame({'A': np.arange(6, 0, -1)}, index=idx)

汇总和计算描述统计

汇总和计算描述统计：累计统计分析函数

适用于 Series 和 DataFrame 类型，滚动计算（窗口计算）

obj = pd.Series(['c','a','d','a','a','b','b','c','c'])

serieris.unique()：是以数组形式返回列的所有唯一值（特征的所有唯一值）


>>> uniques = obj.unique()
array(['c', 'a', 'd', 'b'], dtype=object)

Series.nunique(): 返回的是唯一值的个数


>>> uniques = obj.nunique()
4

serieris.value_counts() ：按 value 的出现次数多少

降序排序


>>> obj.value_counts()
a 3
c 3
b 2
d 1
dtype: int64

pd.isin(values) ：来查看参数 values 是否在 Series/Data Frame 内，有返回按 DataFrame 分布布尔值 True ，否则 False 。

values ： iterable, Series, DataFrame or dictt

函数映射

map 函数

• 作用在 Series 的每个元素

applymap 函数

• 作用 DataFrame 所有元素

apply 函数

• 作用在 DataFrame 行或列

df['col2'] = df['col1'].map(lambda x: x**2)

对行列用函数处理

apply 函数是 pandas 里面所有函数中自由度最高的函数

DataFrame.apply(func, axis=0, broadcast=False, raw=False, reduce=None, args=(), **kwds

• func ：函数，应用于每个列或行的函数；

• axis ： =0 或 1 将函数应用于每一列或行；

• raw ：默认将每个行或列作为系列传递给函数 , 否则传递的函数将改为接收 ndarray 对象；

• result_type ： {‘expand’ ，‘ reduce’ ，‘ broadcast’ ， None} ，默认为 None 。仅在

axis=1 情况下起作用，‘ expand’ ：类似列表的结果将变成列， 'reduce' ：如果可能，

返回一个 Series 。 ' broadcast ' ：结果将广播到 DataFrame 的原始形状


>>> name=["张三","李四 ","王五"]
>>> idx=["指标1","指标2","指标3","指标4"]
>>>df=pd.DataFrame(np.random.randint(67,80,12).reshape((3,4)),index=name,colum
ns=idx)
>>> df.apply(lambda x:((x-min(x))/(max(x)-min(x)),axis=1)


指标1 指标2 指标3 指标4
张三 70 70 72 77
李四 79 67 73 74
王五 67 74 69 724
 
    |
    V
指标1 指标2 指标3 指标4
张三 0.0 0.0 0.285714 1.000000
李四 1.0 0.0 0.500000 0.583333
王五 0.0 1.0 0.285714 0.714286

apply函数(对行列用函数处理)

传送门：Python全套学习笔记

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/羊村懒王/article/detail/447526