pandas學習筆記

這是小白的第三篇部落格，今天小白來學習一下python中的pandas資料分析包，這是參考鏈結以及十分鐘了解pandas

pandas介紹

就理解為乙個工具包，包含大量庫和一些標準的資料模型，基於numpy的一種工具，用來解決資料分析而提供了大量處理資料的函式和方法。python資料分析高層次應用庫

series = 索引 + 一維陣列

dataframe = 行列索引 + 二維資料

介紹資料結構關於資料型別、索引和軸標記/對齊的基礎操作適用於所有物件。首先，和小白一起匯入numpy和pandas

import numpy as np
import pandas as pd

要記住的是資料對齊在內部，不會破壞標籤和資料間的鏈結（除非你明確要斷開鏈結）

series:

一維陣列，可以儲存任何資料型別（整數、字串、浮點數、其他）。可以理解為list，但是只能儲存相同的資料型別，用法: s = pd.series(資料，index = 需要傳遞的索引標籤)

time-series以時間為索引的series

dict:

字典，series可以被dict例項化，需要注意的是當資料是dict時，如果沒有傳遞索引，索引將按照dict的插入順序

scalar value標量值：

當資料是乙個標量值時必須有索引，並且它會重複該值來匹配索引的長度

二維**型資料結構，具有可能不同型別的列，其實與r語言中的data.frame類似，就資料框嘛還可以接受不同型別的輸入，還可以理解為多個series構成的。除了資料外還可以選擇傳遞索引（行標籤）和列（列標籤），如果傳遞索引或者列，要確保索引的結果是資料框，如果是一維陣列中的乙個dict加上某個索引則會丟棄與傳遞索引不匹配的所有資料。如果沒有傳遞標籤，它會根據預設規則按輸入資料構建。

通過傳遞元組字典還可以自動建立多索引資料框

三維陣列，同上就理解為多個dataframe構成panel。

pandas中的函式

read_csv()函式

讀取指定的csv檔案，生成乙個包含csv資料的dataframe

info(返回引數，dataframe型別) = pd.read_csv(（需要讀取的csv檔案名字，str型別）)

類似的函式還有read_excel() read_json read_sql() read_html()

isnul()函式

返回乙個包含資料是否是null的資訊資料

bool(返回判斷結果，true為null，fales為不是) = pd.isnull(（需要判斷的資料，dataframe/series型別）)

to_datetime()函式

將傳入的資料轉換成日期，date(返回的資料，型別由傳入的引數確定) = pd.to_datetime(（可以傳int/float/string/datetime/list/tuple/series/dataframe）)

4.dataframe函式【4-14屬dataframe類】

生成dataframe，df = pd.dataframe(data, index = （作為索引的列引數）)

dtypes屬性

返回資料結構中每列資料型別，d = df.dtypes

columns屬性

返回資料結構中每列的列名，index_name = df.columns

shape屬性

返回資料結構的行列引數，shp(返回元組型別，行列數) = df.shape

head()、tail()函式

返回csv列表中的前、後num行資料，hdf = df.head(num = )預設情況下是前10行，tdf = df.tail(num = )同上

describe()函式

這個函式畫重點哦，小白覺得必有大用，返回csv列表中的每個列的一些統計描述引數，像數量、均值、標準差、最小值、四分之一位數、中位數、四分之三位數、最大值，ddf = df.describe()

sort_valuns()函式

這個函式有點膩害，返回按引數排序的dataframe，sdf = df.sort_values(by, axis=0, ascending=true, inplace=false, kind=』quicksort』, na_position=』last』)

by: dataframe的行/列名

axis: 0按列排序，1按行排序

ascending:true為公升序排列， false為降序排列

inplace: true修改原dataframe，false則返回新的dataframe

kind: 確定排序演算法，包括

na_position: 確定na資料存在的位置，『first』/『last』

pivot_table()函式

根據index將資料分組，對於values列的值（相同型別）執行aggfunc函式,最後得到dataframe, cdf = df.pivot_table(index = , values = , aggfunc = )

dropna()函式

該函式會根據要求刪除帶有nan值的行和列，ddf = df.dropna(axis=0, how=』any』, thresh=none, subset=none, inplace=false)

axis:搜尋方向，0/『index』為行搜尋，1/『columns』為列搜尋

how: 『any』只要出現na值就刪除該行/列資料，『all』所有值都是na才刪除

thresh: 表示對有效資料數量的最小要求（為2則要求該行/列至少2個有效非na資料存在）

subset: 表示在特定子集中尋找na

inplace: 表示是否在原資料操作，true修改原資料，false返回新資料

reset_index()函式

重置（一般為經過排序後的）dataframe的序號，rdf = df.reset_index(level = none, drop = false, inplace = false, col_level = 0, col_fill = 』』)

level:只從索引中刪除給定的級別。預設情況下刪除所有級別

drop: 是否刪除原始的index列，true刪除，false保留

inplace: 是否在原資料上操作

col_level: 如果列有多個級別，則確定將標籤插入到哪個級別。預設情況下，它插入到第一級

col_fill:如果列有多個級別，則確定其他級別的命名方式。如果沒有，則重複索引名。

series函式【15-屬series類，相同的只改sr的不再記錄】

sr(生成series) = pd.series(data（引數）, index = （索引列引數）)

tolist()函式

將series或index類的資料變成list形式返回，list =sr.tolist()

value_counts ()函式

計算series中各個values值的數量，csr = sr.value_counts(dropna=true)dropna: 是否計算na的數量，true不計算，false計算

結語

嘛，就先到這裡，下次再通過例項來認識pandas工具，畢竟只是了解用途什麼的有種紙上談兵的感jio~

pandas學習筆記

pandas學習筆記

pandas學習筆記

pandas學習筆記

相關推薦