100天精通Python（数据分析篇）——第53天：初始pandas模块

文章目录

每篇前言

• 🏆🏆作者介绍：Python领域优质创作者、华为云享专家、阿里云专家博主、2021年CSDN博客新星Top6
• 🔥🔥本文已收录于Python全栈系列专栏：《100天精通Python从入门到就业》
• 📝​📝​此专栏文章是专门针对Python零基础小白所准备的一套完整教学，从0到100的不断进阶深入的学习，各知识点环环相扣
• 🎉🎉订阅专栏后续可以阅读Python从入门到就业100篇文章；还可私聊进两百人Python全栈交流群（手把手教学，问题解答）；进群可领取80GPython全栈教程视频 + 300本计算机书籍：基础、Web、爬虫、数据分析、可视化、机器学习、深度学习、人工智能、算法、面试题等。
• 🚀🚀加入我一起学习进步，一个人可以走的很快，一群人才能走的更远！

---

一、初始pandas

1. 什么是pandas？

Pandas 是一个开源的第三方 Python 库，从 Numpy 和 Matplotlib 的基础上构建而来，享有数据分析“三剑客之一”的盛名（NumPy、Matplotlib、Pandas）。Pandas 已经成为 Python 数据分析的必备高级工具，它的目标是成为强大、灵活、可以支持任何编程语言的数据分析工具。提供了高级数据结构和数据操作工具，它是使Python成为强大而高效的数据分析环境的重要因素之一。

• 一个强大的分析和操作大型结构化数据集所需的工具集
• 基础是NumPy，提供了高性能矩阵的运算
• 提供了大量能够快速便捷地处理数据的函数和方法
• 应用于数据挖掘，数据分析
• 提供数据清洗功能

2. 为什么要学习pandas？

Pandas是数据分析三剑客之一，是Python的核心数据分析库！

Pandas能够处理的数据类型：

• 与SQL或Excel表类似的数据
• 有序或无序的时间序列数据
• 带行列标签的矩阵数据
• 任意其他形式的观测

3. pandas的优势

• 处理浮点与非浮点数据里的缺失数据,表示为NaN大小可变
• 自动、显示数据对齐
• 强大、灵活的分组统计功能
• 成熟的导入导出工具
• …

4. 下载安装pandas

**1. window电脑点击

win键+ R

，输入：

cmd

**

**2. 安装

pandas

，输入对应的pip命令**：

pip install pandas

，我已经安装过了出现版本就安装成功了

3. 导包

import pandas as pd

注意：Python中看到

pd

那一定是对pandas导包的缩写！！！

二、Pandas的数据类型

Pandas有两个最主要也是最重要的数据结构： Series 和 DataFrame

• Series：一维，带标签数组
• DataFrame：二维，Series容器

import pandas as pd

1. Series

Series是一种类似于一维数组的 对象，由一组数据（各种NumPy数据类型）以及一组与之对应的索引（数据标签）组成。

• 类似一维数组的对象
• 由数据和索引组成 - 索引(index)在左，数据(values)在右- 索引是自动创建的

1）通过list构建Series：

ser_obj = pd.Series(range(10))

>>>import pandas as pd

>>># 通过list构建Series>>> ser_obj = pd.Series(range(10,20))>>>print(ser_obj)010111212313414515616717818919
dtype: int64

>>>print(type(ser_obj))<class'pandas.core.series.Series'>

2）获取数据和索引：

ser_obj.index

和

ser_obj.values

>>># 获取数据>>>print(ser_obj.values)[10111213141516171819]>>># 获取索引>>>print(ser_obj.index)
RangeIndex(start=0, stop=10, step=1)

3）通过索引获取数据：

ser_obj[idx]

>>>#通过索引获取数据>>>print(ser_obj[0])10>>>print(ser_obj[8])18

4）索引与数据的对应关系不被运算结果影响

>>># 索引与数据的对应关系不被运算结果影响>>>print(ser_obj *2)020122224326428530632734836938
dtype: int64
>>>print(ser_obj >15)0False1False2False3False4False5False6True7True8True9True
dtype:bool

5）通过dict构建Series：

ser_obj = pd.Series(python字典)

>>># 通过dict构建Series>>> year_data ={2001:17.8,2002:20.1,2003:16.5}>>> ser_obj2 = pd.Series(year_data)>>>print(ser_obj2.head())200117.8200220.1200316.5
dtype: float64
>>>print(ser_obj2.index)
Int64Index([2001,2002,2003], dtype='int64')

6）name属性

对象名：

ser_obj.name

对象索引名：

ser_obj.index.name

>>># name属性>>> ser_obj2.name ='temp'>>> ser_obj2.index.name ='year'>>>print(ser_obj2.head())
year
200117.8200220.1200316.5
Name: temp, dtype: float64

2. DataFrame

DataFrame是一个表格型的数据结构，它含有一组有序的列，每列可以是不同类型的值。DataFrame既有行索引也有列索引，它可以被看做是由Series组成的字典（共用同一个索引），数据是以二维结构存放的。

• 类似多维数组/表格数据 (如，excel, R中的data.frame)
• 每列数据可以是不同的类型
• 索引包括列索引和行索引

DataFrame的基础属性：
属性说明

df.shape

行数列数

df.dtypes 

列数据类型

df.ndim

数据维度

df.index

行索引

df.columns

列索引

df.values

对象值，二维ndarray数组
DataFrame整体情况查询：
方法说明

df.head(3)

显示头部几行，默认5行

df.tail(3)

显示末尾几行，默认5行

df.info()

相关信息概览:行数，列数，列索引，列非空值个数，列类型，列类型，内存占用

df.describe()

快速综合统计结果:计数，均值，标准差，最大值，四分位数，最小值
1）通过ndarray构建DataFrame：

>>>import pandas as pd
>>>import numpy as np

>>># 通过ndarray构建DataFrame>>> array = np.random.randn(5,4)>>>print(array)[[-0.241629260.406802970.08596954-0.76233872][-0.76604456-0.74271574-0.825542522.35414819][1.664002890.38210026-0.83706262-0.3219765][0.046124240.49754558-1.34472493-0.41849572][0.441907540.52152161-0.992211722.08437141]]>>> df_obj = pd.DataFrame(array)>>>print(df_obj.head())01230-0.2416290.4068030.085970-0.7623391-0.766045-0.742716-0.8255432.35414821.6640030.382100-0.837063-0.32197730.0461240.497546-1.344725-0.41849640.4419080.521522-0.9922122.084371>>>print(type(df_obj))<class'pandas.core.frame.DataFrame'>

DataFrame对象既有行索引，又有列索引：

• 行索引，表明不同行，横向索引，叫index，0轴，axis=0
• 列索引，表名不同列，纵向索引，叫columns，1轴，axis=1

2）通过dict构建DataFrame：

>>># 通过dict构建DataFrame>>> dict_data ={'A':1,...'B': pd.Timestamp('20170426'),...'C': pd.Series(1, index=list(range(4)),dtype='float32'),...'D': np.array([3]*4,dtype='int32'),...'E':["Python","Java","C++","C"],...'F':'ITCast'}# 方式1>>> df_obj2 = pd.DataFrame(dict_data)>>>print(df_obj2)
   A          B    C  D       E       F
012017-04-261.03  Python  ITCast
112017-04-261.03    Java  ITCast
212017-04-261.03     C++  ITCast
312017-04-261.03       C  ITCast
>>>print(type(df_obj2))<class'pandas.core.frame.DataFrame'># 方式2>>> list_data =[{"name":"小白","age":20,"tel":10010},{"name":"小红","tel":10010},{"name":"小黑","age":10}]>>> list_data
[{'name':'小白','age':20,'tel':10010},{'name':'小红','tel':10010},{'name':'小黑','age':10}]>>> df_obj3 = pd.DataFrame(list_data)>>>print(df_obj3)
  name   age      tel
0   小白  20.010010.01   小红   NaN  10010.02   小黑  10.0      NaN
# 可以看出空值用NaN占位了

3）通过Series对象创建DataFrame

>>>import pandas as pd
>>> ser_obj = pd.Series(range(10,20))>>>print(ser_obj)010111212313414515616717818919
dtype: int64
>>> pd = pd.DataFrame(ser_obj)>>> pd
    0010111212313414515616717818919

4）通过列索引获取列数据（Series类型）：

df_obj[col_idx]

或

df_obj.col_idx

>>># 通过列索引获取列数据>>>print(df_obj2['A'])01112131
Name: A, dtype: int64
>>>print(type(df_obj2['A']))<class'pandas.core.series.Series'>>>>print(df_obj2.A)01112131
Name: A, dtype: int64

5）增加列数据：

df_obj[new_col_idx] = data

； 类似Python的 dict添加key-value

>>># 增加列>>> df_obj2['G']= df_obj2['D']+4>>>print(df_obj2.head())
   A          B    C  D       E       F  G
012017-04-261.03  Python  ITCast  7112017-04-261.03    Java  ITCast  7212017-04-261.03     C++  ITCast  7312017-04-261.03       C  ITCast  7

6）删除列

del(df_obj[col_idx])

>>># 删除列>>>del(df_obj2['G'])>>>print(df_obj2.head())
   A          B    C  D       E       F
012017-04-261.03  Python  ITCast
112017-04-261.03    Java  ITCast
212017-04-261.03     C++  ITCast
312017-04-261.03       C  ITCast

三、书籍推荐

书籍展示：《人工智能技术基础》

【书籍内容简介】

• 本书不但侧重于理论知识的普及，也将技术融合于Python模块进行实验上的操作与演示。本书主要内容包括：人工智能技术概述，人脸识别技术、物体识别技术，视频识别技术、语音识别技术、文本识别技术，区块链技术等。全书综合了各种模块对人工智能技术的实践，将分散的技术点统一起来，并把抽象的原理与适应读者思维的案例相融合，实现知识点的充分理解。 本书适合从事数据科学及AI的读者阅读。

• 京东自营：https://item.jd.com/13187173.html